Being-H0.5— 卢宗青团队开源的通用机器人模型

雨瑶酱_7510

发布时间：2026-01-23 11:37:22

889人浏览过

来源于php中文网

原创

being-h0.5 是卢宗青团队研发的新一代通用具身智能模型，以人类先验知识为根基，通过统一动作空间对齐、端到端系统化建模与真实部署稳定性强化，推动通用机器人从实验室走向实际产品落地。该模型深度融合超35,000小时的跨模态操控数据（unihand-2.0），覆盖30余种异构机器人本体（含双足人形、轮式底盘、桌面机械臂、灵巧手等），首次实现大规模跨形态联合训练与策略复用。其核心突破在于：摒弃传统“一机一模型”范式，构建可泛化的state-action语义空间；采用mot（理解导向）与mof（生成导向）协同架构，在libero基准达98.9%成功率，在robocasa厨房任务中领先同类；并引入mpg（流形保持门控）与uac（通用异步分块）两大部署机制，显著抑制抖动、缓解感知-控制失同步，在orin-nx等边缘芯片上实现实时运行。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

Being-H0.5— 卢宗青团队开源的通用机器人模型

github项目持续追踪

GitHub 项目更新追踪工具 - 自动检查多个 GitHub 项目的 Releases 和 CHANGELOG，生成更新摘要与影响分析报告。支持自动化定时任务。如何使用最简单的方式：直接用自然语言告诉我你可以说我会做「检查 GitHub 更新」检查最新版本「添加 vscode」追踪新项目「停止追踪 xxx」移除项目「暂停更新检查」暂停自动化「给我看 openclaw 报告」展示报告触发词：「追踪项目更新」「检查 GitHub 更新」「项目更新报告」「设置更新提醒」

下载

Being-H0.5的主要功能

跨本体泛化能力：单模型一次训练即可部署于5类以上差异显著的机器人硬件，支持从夹爪到22自由度灵巧手的无缝迁移。
长程任务鲁棒性：在清桌、多步骤收纳等持续超百步的任务中误差累积率下降62%，显著优于前代H0及π系列模型。
双臂高精度协同：通过时空耦合建模与双流动作解码，实现亚秒级响应同步与毫米级轨迹对齐，双臂装配成功率提升至93.7%。
低资源适配效率：仅需微调2%参数，即可在新硬件上达到90%+相对性能，配合Being-Dex后训练方案，数小时内完成新任务冷启动。
端侧实时可用性：经推理优化后，在英伟达Orin-NX平台达成>30Hz控制频率，满足真实闭环系统严苛时序要求。

Being-H0.5的技术原理

统一State-Action空间映射：将不同本体的状态观测（如关节角、IMU、触觉）与动作指令（扭矩、速度、末端位姿）统一编码为共享嵌入向量，消除硬件特异性偏差，支撑跨形态知识迁移。
UniHand-2.0数据集驱动：整合14,000小时机器人遥操作数据 + 16,000小时高质量人类操作视频（含UniCraftor采集系统标注），总token超4000亿，是当前全球规模最大的具身预训练数据集。
Human-Centric Learning范式：以人类手部为“原型操纵器”，将机器人视为其结构简化版本，通过16,000小时人类视频注入运动直觉、力觉反馈与任务意图先验。
MoT+MoF混合架构：MoT模块专注多模态指令理解与任务分解；MoF模块基于Flow-based生成机制，支持从粗粒度位姿规划到细粒度关节轨迹的连续建模，兼顾灵活性与精度。
真实世界闭环保障机制：
- MPG（Manifold-Preserving Gating）：在隐空间施加流形约束门控，过滤违背物理规律或人体工学的动作输出，防止失控震荡；
- UAC（Universal Async Chunking）：动态缓冲感知帧与控制周期，自适应插值与裁剪动作序列，解决视觉延迟与电机响应不匹配问题。
物理指令调优（Physical Instruction Tuning）延续演进：在H0三阶段框架（预训练→物理空间对齐→后训练）基础上，增强3D运动分布平衡与跨本体投影一致性，提升迁移保真度。