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
文章摘要
【关 键 词】 具身智能、世界模型、动作模型、移动操作、全身控制
当前人形机器人赛道的竞争焦点正从整机硬件向模型能力延伸，决定其能力上限的关键在于理解环境、预测变化及协调全身完成任务。具身智能公司智在无界发布了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Being-M0.7，将隐式世界模型能力从桌面灵巧操作扩展至全身移动操作。针对真机数据采集成本高、像素级视频预测计算开销大以及上下半身协调性不足等行业难题，该模型采用在隐空间中预测未来环境状态的技术路线，大幅降低了计算开销并提升了控制相关性。
Being-M0.7的核心技术突破在于其架构与数据策略。模型采用Vision-Motion MoT混合多模态架构，能够同时兼容视觉与运动配对数据、纯视频数据及纯运动数据，有效破解了具身数据稀缺的难题。通过构建人类与人形机器人共享的统一运动表征，模型在超10000小时的混合模态数据上进行预训练，从人类行为中学习世界运行方式，随后通过少量真机演示数据完成本体适配。这种先建立未来状态与身体运动预测能力，再学习特定本体控制的训练顺序，显著区别于传统的模仿学习方案。
在真实场景检验中，Being-M0.7展现了卓越的物理理解与全身行动能力。其在鱼缸捞鱼、镜像取物、移动置物取物和搬箱避障等高难度任务中，能够结合实时反馈与未来预测持续生成全身动作，在部分测试中的成功率领先于其他对比模型。这一成果标志着人形机器人竞争逻辑的转变，即从关注硬件灵活性转向模型对场景的理解、预测及全身动作协调能力。通过让机器人先从人类经验中学习世界再转化为物理行动，具备可扩展数据体系的隐式世界动作模型正推动通用人形机器人加速迈向千行百业的真实物理世界。
原文和模型
【原文链接】 阅读原文 [ 4670字 | 19分钟 ]
【原文作者】 机器之心
【摘要模型】 qwen3.7-max-2026-05-17
【摘要评分】 ★★★★☆
相关文章
