Being-M0.7：面向人形机器人的潜在世界-动作模型

研究者提出 Being-M0.7，一种潜在世界-动作模型，通过预训练、机器人中期训练与动作后训练，把从混合模态人类数据学到的视觉-运动先验迁移到人形机器人控制。模型使用超过 10,000 小时的原始人类中心数据，整合仅视频、仅运动与视频-运动配对流，并在 SIMPLE 上取得对比基线中最高的总体成功率，在 Unitree G1 真实世界 loco-manipulation 任务上匹配最强基线。