【科技资讯】10000小时人类数据，练出全球首个全身移动操作隐式世界动作模型

📝 核心摘要

人形机器人赛道的竞争焦点正从整机硬件延伸至模型能力，行业共识认为，理解环境、预测变化并协调全身完成任务是其走向通用的关键。当前行业面临三大难题：真机演示数据采集成本高、像素级视频预测计算开销大且易受噪声影响、上下半身控制分离导致协调性不足。在此背景下，具身智能公司智在无界发布Being-M0.7，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（Latent WAM），首次将隐式世界模型能力从桌面灵巧操作扩展到全身移动操作。

Being-M0.7基于超10000小时以人为中心的混合模态数据预训练，再通过少量真机演示数据完成本体适配。其技术路线核心在于利用海量人类行为数据学习世界运行规律，再迁移到机器人本体——这一路线已通过Being-H0.7验证灵巧操作可行性，Being-M0.7则进一步解决全身移动与操作的耦合问题。

关键技术方面，Being-M0.7采用Vision-Motion MoT（混合Transformer多模态架构），兼容视频-运动配对、纯视频、纯运动三类数据，突破数据稀缺瓶颈；同时构建人类与人形机器人共享的统一运动表征，弥合形态差异，提供丰富监督信号。预训练阶段通过流匹配目标联合预测未来状态与运动轨迹，后训练通过轻量级动作专家将预训练先验转化为机器人可执行指令。

真机测试中，Being-M0.7在液体交互（鱼缸捞鱼3/5成功）、镜像推理（总体4/10成功）、长程任务、遮挡避障四类场景表现优于竞品，验证其全身协调控制与环境理解能力。

Being-M0.7的发布标志着人形机器人竞争逻辑的转变：从硬件性能转向模型与数据体系。其可扩展的多模态融合范式突破真机数据瓶颈，为通用人形机器人走向千行百业的物理世界提供了技术支撑。

🔗 阅读原文

👉 10000小时人类数据，练出全球首个全身移动操作隐式世界动作模型

🏷️ 标签：Being-M0.7, 隐式世界动作模型, 人形机器人, 混合模态数据, Vision-Motion MoT架构