Being-M0.7：人形机器人全身动作模型
机器之心 · wechat · 2026-07-15
机器之心长文介绍了智在无界发布的 Being-M0.7：一款面向人形机器人全身移动操作的隐式世界动作模型（Latent World-Action Model）。
关键结论
- 这是全球首个面向人形机器人全身移动操作的隐式世界动作模型
- 目标不是只做桌面灵巧操作，而是让机器人同时学会“去哪里、怎么转身、手脚如何协同”
- 模型在真实人形机器人上完成了液体交互、镜像取物、长程搬运和避障等高难任务
方法与数据
- 采用 Vision-Motion MoT 架构，分别处理视觉和运动模态，再通过共享注意力交互
- 预训练数据超过 1 万小时，包含人类第一人称视频、视频-运动配对数据和纯人体运动序列
- 构建了人类与人形机器人共享的统一运动表征，缩小形态差异
- 通过流匹配目标学习未来状态变化与运动轨迹
- 真机阶段使用基于 PICO VR 的全身遥操作系统采集数据，再由动作专家将高层预测转成可执行控制命令
四个真机 Demo
- 捞鱼：在水体动力学和视觉扭曲下完成工具化捕捞
- 镜像取物：依赖镜子反射推断隐藏物体位置
- 移动置物取物：连续完成行走、抓取、转移、转身
- 搬箱避障：在负载和狭窄空间下侧身通过障碍
文章强调，具身智能的竞争重点正在从硬件本体转向模型能力与可扩展的数据飞轮。
「具身」频道最新
- 亚马逊谷歌卖出6亿台音箱,AGI 时代为何无人再造智能音箱 — julianlehr · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- 波兰开发者做 iPhone 应用 可探测附近的 Meta 智能眼镜 — Low-Honeydew6483 · 2026-09-11
- 蚂蚁阿福用户达 1.5 亿，外滩大会展示 AI+硬件健康管理联盟 — APPSO · 2026-09-11
- JHU 开设全栈机器人学习课:组装机械臂、采数训练部署一条龙 — _krishna_murthy · 2026-09-11
- SyncWorld:少量视觉校准即可零样本模拟机器人跨视角交互 — ChongZzZhang · 2026-09-11