BeingBeyond ने Being-H0.8 का अनावरण किया: 500,000 घंटे के वीडियो पर प्रशिक्षित पहला अंतर्निहित स्पर्शनीय विश्व-क्रिया मॉडल

BeingBeyond ने Being-H0.8 अनावरण किया है, जो मानव वीडियो डेटा से निर्मित पहला अप्रत्यक्ष स्पर्शीय विश्व-क्रिया मॉडल है। यह मॉडल स्पर्शीय विधा को एक अव्यक्त स्थान प्रतिनिधित्व में शामिल करता है, जो पिछले Being-H0.7 दृश्य विश्व मॉडल का विस्तार करता है। यह अंतःक्रिया परिणामों की भविष्यवाणी करने के लिए मिक्सचर ऑफ ट्रांसफॉर्मर्स (एमओटी) का उपयोग करता है, निष्पादन और वास्तविक समय समायोजन के लिए एक धीमी-तेज़ क्रिया विशेषज्ञ, स्पर्शीय संकेतों को एकीकृत करने के लिए एक यूनिवर्सल टैक्टाइल एनकोडर, और मानव और रोबोट क्रिया स्थानों को संरेखित करने के लिए टोपोहैंड का उपयोग करता है। प्रशिक्षण डेटा पूल 500,000 घंटे से अधिक के प्रथम-व्यक्ति वीडियो से बना है, जिसे साफ और प्रसंस्कृत करके यूनिहैंड-3.0 डेटासेट बनाया गया है। वीडियो में स्पर्शीय लेबल की कमी को दूर करने के लिए, BeingBeyond ने टैक्टोहैंड विकसित किया है जो दृश्य डेटा से संपर्क और निकटता का अनुमान लगाता है, जिसे वास्तविक दबाव दस्ताने डेटा द्वारा पूरक किया गया है। मॉडल का परीक्षण दो-हाथ वाले रोबोटों पर किया गया, जो बैग से वस्तुएं निकालने, ब्रश से लिखने, टूथपेस्ट निचोड़ने और चिप्स उठाने जैसे कार्य करते हैं, जो स्पर्शीय प्रतिक्रिया की आवश्यकता वाली नाजुक संचालन को संभालने की इसकी क्षमता प्रदर्शित करता है। BeingBeyond की स्थापना मई 2025 में पेकिंग विश्वविद्यालय के एसोसिएट प्रोफेसर लु ज़ोंगकिंग द्वारा की गई थी, और यह तीन चरणों से गुज़रा है: मानव वीडियो प्रशिक्षण की व्यवहार्यता साबित करना (Being-H0 से H0.5), स्केल बढ़ाना (H0.5 से H0.7), और अब डेटा गुणवत्ता में सुधार करना (H0.8)।