BeingBeyond/Being-H

解决的问题

Being-H 提供以人类为中心的基础模型，使机器人能够从人类视频中学习复杂动作和推理，解决了跨硬件平台泛化（在不同机器人类型间应用知识）的挑战。

工作原理

该项目提供基于不同架构的模型家族：

• Being-H0.7 (WAM): 世界-动作模型，利用第一人称视角视频进行未来感知的潜在推理。
• Being-H0.5 (VLA): 视觉-语言-动作模型，使用统一的动作空间实现跨硬件平台泛化。
• Being-H0 (VLA): 早期版本，专注于从大规模人类视频中进行预训练。

适用对象

专为从事具身智能研究与开发的机器人研究人员和开发者设计，特别是希望实现 VLA 或 WAM 模型用于机器人控制与操作的用户。

主要亮点

• 跨硬件平台泛化： 旨在使机器人学习能力在不同硬件平台上可迁移。
• 以人类为中心的学习： 利用大规模人类视频数据进行预训练。
• 多样化的模型架构： 包含视觉-语言-动作（VLA）和世界-动作模型（WAM）。
• 教育支持： 提供专用教程工作区（Being-H-EDU），支持在 SO101 等机器人上进行后训练与部署。