BeingBeyond/Being-H

何を解決するか

Being-H は、人間中心の基礎モデルを提供し、ロボットが人間の動画から複雑な行動と推論を学習できるようにします。これにより、異なるロボットタイプ間で知識を適用するという「クロスエムボディメント一般化」の課題に対処します。

仕組み

このプロジェクトは、さまざまなアーキテクチャに基づくモデルのファミリーを提供しています：

• Being-H0.7 (WAM): 自己中心の動画を使用して将来を意識した潜在的推論を行う「ワールド・アクションモデル」。
• Being-H0.5 (VLA): 統一されたアクション空間を使用してクロスエムボディメント一般化を目的とした「ビジョン・言語・アクションモデル」。
• Being-H0 (VLA): 大規模な人間の動画からの事前学習に焦点を当てた初期バージョン。

対象ユーザー

エムボディドAIの研究開発に従事するロボット工学研究者や開発者向けです。特に、ロボット制御や操作にVLAまたはWAMモデルを実装したい方々に適しています。

主な特徴

• クロスエムボディメント一般化: 異なるハードウェアプラットフォーム間でロボット学習を転送可能にする。
• 人間中心の学習: 大規模な人間の動画データを活用して事前学習を行う。
• 多様なモデルアーキテクチャ: ビジョン・言語・アクション（VLA）モデルとワールド・アクションモデル（WAM）を含む。
• 教育支援: SO101などのロボット上で事後学習とデプロイメントを支援する専用のチュートリアルワークスペース（Being-H-EDU）を提供。