BeingBeyond/Being-H

解決する課題

Being-H は、ロボットが異なるハードウェア間でアクションを汎化（クロスエンボディメント汎化）し、一人称視点のビデオデータを使用して将来の状態を推論するのに役立つ、人間中心の具現化基盤モデルを提供します。

仕組み

このプロジェクトは、異なる専門分野を持つ一連のモデルで構成されています：

• Being-H0.7 は、一人称視点のビデオを使用して将来を認識する潜在推論を実行するワールドアクションモデル（WAM）です。
• Being-H0.5 は、統一されたアクションスペースを利用して、異なるロボットの具現化間での汎化を可能にするビジョン・ランゲージ・アクション（VLA）モデルです。
• Being-H0 は、大規模な人間のビデオからの事前学習に焦点を当てた初期の VLA リリースです。

対象読者

このプロジェクトは、具現化 AI に取り組むロボット研究者や開発者、特に器用な操作、クロスエンボディメント学習、ロボットトレーニングのための人間のビデオデータの使用に焦点を当てている人々を対象としています。

ハイライト

• クロスエンボディメント汎化：統一されたアクションスペースを介して、モデルが異なるロボットタイプ間で動作できるようにします。
• ワールドアクションモデリング：将来に関する潜在推論をアクションプロセスに統合します。
• 人間中心の学習：一人称視点および大規模な人間のビデオを事前学習に活用します。
• 教育リソース：SO101 などのロボットでのポストトレーニングと展開のための専用チュートリアルワークスペース（Being-H-EDU）が含まれています。