智在无界 Being-H0

Being-H0: Vision-Language-Action Pretraining from Large-Scale Human Videos (BeingBeyond)进阶

智在无界用大规模人手操作视频预训练的灵巧操作 VLA 模型系列。

Being-H0 是北京大学、中国人民大学与具身公司智在无界（BeingBeyond）2025 年 7 月发布的视觉-语言-动作模型，后被 ICML 2026 接收。思路是把人手当作通用操作器：先在人手操作数据上预训练，用分部位的动作分词器把手腕、手指动作压成 token，再做 3D 空间对齐，最后用少量机器人数据后训练，迁移到灵巧手上。配套数据集 UniHand 汇集动捕、VR 和普通视频，约 1100 小时、1.65 亿条指令样本。2026 年 1 月的 Being-H0.5 把数据扩到 3.5 万多小时、覆盖 30 种本体，主打跨本体；4 月的 Being-H0.7 改为隐空间世界-动作模型。