AnswersPublished20 sources
Så ska Being-M0.7 få en humanoid att gå och greppa samtidigt
Being M0.7 är en modell för så kallad loco manipulation: att samordna en humanoid robots gång med att den hanterar föremål.[1] Modellen lär sig först förutsäga hur bild och kroppsrörelser utvecklas, utifrån mer än 10 000 timmar mänsklig data. I simulering lyckades Being M0.7 med 128 av 180 försök, eller 71,1 procent.
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer
Key takeaways
- Being M0.7 är en modell för så kallad loco manipulation: att samordna en humanoid robots gång med att den hanterar föremål.[1]
- Modellen lär sig först förutsäga hur bild och kroppsrörelser utvecklas, utifrån mer än 10 000 timmar mänsklig data.
- I simulering lyckades Being M0.7 med 128 av 180 försök, eller 71,1 procent. I tester med en Unitree G1 var resultatet jämbördigt med den starkaste jämförda modellen, men försöken var få.[6][5]
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is BeingBeyond’s Being M0.7, released by the embodied AI startup founded by Peking University tenured associate professor Lu Zongqing a. Article summary: Being M0.7 is BeingBeyond’s latent world action model for humanoid “loco manipulation”—coordinating walking and object manipulation—rather than treating them as separate skills.[1][6] Its central idea is to learn a predi. Topic tags: general web, ai, code, privacy, regulation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
Being-M0.7 är BeingBeyonds modell för att få en humanoid robot att gå och samtidigt hantera föremål. Inom robotik kallas kombinationen ofta loco-manipulation: roboten behöver samordna förflyttning, balans och arbete med händerna i stället för att behandla gång och grepp som två fristående uppgifter.1
Modellens grundidé är att dra nytta av mänskliga rörelsedata innan den tränas på robotrörelser. Being-M0.7 förtränas på en samling med mer än 10 000 timmar mänsklig video och rörelsedata. Sedan används robotbanor för att anpassa kunskapen till en viss robots kamera, kropp och rörelsedynamik.1
14
Tre steg från mänsklig data till robotstyrning
1. Förträning på video och rörelser. En Mixture of Transformers-modell lär sig att koppla samman visuella intryck och kroppsrörelser. Den tränas på att förutsäga både framtida visuella representationer och rörelser, vilket ger modellen en grundläggande uppfattning om hur en kropp och omgivningen förändras över tid.1
8
Datamaterialet innehåller tre typer av exempel: par där video och rörelse hör ihop, video utan tillhörande rörelsedata och rörelsedata utan video. De parade exemplen tränar modellen på sambandet mellan bild och rörelse; de övriga breddar vilket slags data den kan lära sig från.14
5
2. Anpassning till roboten. Robotbanor används för att anpassa den inlärda grunden till robotens perspektiv, kropp och dynamik. Mänskliga rörelser kan nämligen inte bara kopieras rakt av till en robot med annan kropp och andra begränsningar.7
8
3. En separat expert skapar styrkommandon. Till sist tränas en särskild handlingskomponent, en så kallad action expert. Den använder den förtränade modellens förutsägelser för att ta fram kommandon för hela robotkroppen. På så vis blir mänskligt härledd kunskap en grund för robotstyrning, snarare än en rörelsesekvens som roboten bara försöker härma.7
Modellen arbetar med frysta DINO-bildrepresentationer i stället för att förutsäga framtida videobilder pixel för pixel. Enligt beskrivningen delar människor och robotar också en kompakt rörelserepresentation på 22 dimensioner, förankrad i huvud och kroppens position.12
4
I datamaterialet ingår bland annat Ego4D, Xperience, Nymeria, Bones-SEED, SnapMoGen, HumanML3D och Lafan1, tillsammans med material från BeingBeyonds tidigare arbete och kommersiella källor.1
Resultat: starkt i simulering, mer begränsat i verkligheten
På simuleringsbenchmarket SIMPLE, som omfattar sex humanoiduppgifter på tre svårighetsnivåer, klarade Being-M0.7 128 av 180 försök – 71,1 procent. Det var den högsta sammanlagda andelen bland de jämförda modellerna. Som jämförelse rapporterades 64,4 procent för Ψ0, 52,8 procent för π0.5 och 33,9 procent för GR00T-N1.6.6
Ett test där förträningen på mänskliga data togs bort gav 48,9 procent. Det talar för att den mänskliga förträningen bidrog till resultatet i just den jämförelsen.6
Ett högt totalresultat betyder dock inte att modellen var bäst i varje enskild uppgift. Ψ0 presterade bättre på en uppgift och π0.5 på två andra, enligt jämförelsen.6 I en separat jämförelse med en variant som bara använde språklig kontext förbättrade hela modellen resultaten på XMovePick och BendPick, men presterade sämre på XMoveBendPick. Författarnas föreslagna förklaring är att uppgifter med liknande visuella observationer kan störa varandra vid gemensam träning.
5
På en verklig Unitree G1-robot utvärderades tre uppgifter med fem försök per uppgift. Being-M0.7 uppges ha presterat i nivå med den starkaste jämförda modellen – alltså utan en tydlig ensam ledning. Det begränsade antalet försök gör att resultatet bör tolkas försiktigt.5
1
Vad testerna inte visar
Resultaten visar inte i sig hur tillförlitlig modellen är över långa arbetspass eller i uppgifter med många steg. Testerna med den verkliga roboten omfattade få försök per uppgift, och längre uppgifter behöver utvärderas separat.5
En annan begränsning gäller datainsamlingen: källmaterialet beskriver att hela kroppens spårning med SONIC-kontrollern hade begränsad precision i det aktuella upplägget. Det försvårade insamlingen av robotdemonstrationer och kan påverka både mängden och kvaliteten på träningsdata. Det är en utmaning i kontrollern och datainsamlingen, inte ett direkt mått på modellens förmåga.5
BeingBeyond grundades av Lu Zongqing, docent vid Peking University, enligt rapporteringen.3 En källa daterar modellens publicering till juli 2026, medan uppmärksamheten i oktober samma år bland annat kom via en artikel publicerad den 12 oktober.
16
12
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Så ska Being-M0.7 få en humanoid att gå och greppa samtidigt"?
Being M0.7 är en modell för så kallad loco manipulation: att samordna en humanoid robots gång med att den hanterar föremål.[1]
What are the key points to validate first?
Being M0.7 är en modell för så kallad loco manipulation: att samordna en humanoid robots gång med att den hanterar föremål.[1] Modellen lär sig först förutsäga hur bild och kroppsrörelser utvecklas, utifrån mer än 10 000 timmar mänsklig data.
What should I do next in practice?
I simulering lyckades Being M0.7 med 128 av 180 försök, eller 71,1 procent. I tester med en Unitree G1 var resultatet jämbördigt med den starkaste jämförda modellen, men försöken var få.[6][5]