비잉비욘드, 최초의 암묵적 촉각 세계-행동 모델 'Being-H0.8' 공개…50만 시간 영상으로 학습
중국 AI 기업 비잉비욘드(智在无界)가 인간 비디오 데이터를 기반으로 한 최초의 암묵적 촉각 세계-행동 모델 Being-H0.8을 출시했습니다. 50만 시간 이상의 1인칭 시점 영상으로 훈련된 이 모델은 촉각 피드백을 예측-실행-조정 주기에 통합하여 로봇이 접촉을 예측하고 실시간으로 동작을 조정할 수 있게 합니다. 이 시스템은 가방에서 물건 꺼내기, 붓으로 글씨 쓰기, 치약 짜기, 로봇 팔로 칩 집기 등 고정밀 작업을 성공적으로 수행했습니다.
BeingBeyond가 처음으로 인간 영상 데이터로 구축된 암묵적 촉각 세계-행동 모델 Being-H0.8을 공개했습니다. 이 모델은 촉각 양식을 잠재 공간 표현에 통합하여 이전의 Being-H0.7 시각 세계 모델을 확장했습니다. 상호작용 결과를 예측하기 위한 혼합 트랜스포머(Mixture of Transformers, MoT), 실행 및 실시간 조정을 위한 느린-빠른 행동 전문가(slow-fast action expert), 촉각 신호를 통합하기 위한 범용 촉각 인코더(Universal Tactile Encoder), 인간과 로봇의 행동 공간을 정렬하기 위한 TopoHand를 사용합니다. 학습 데이터 풀은 50만 시간 이상의 1인칭 영상으로 구성되며, 이를 정제 및 가공하여 UniHand-3.0 데이터셋을 구축했습니다. 영상 내 촉각 레이블 부족 문제를 해결하기 위해 BeingBeyond는 TactoHand를 개발하여 시각 데이터로부터 접촉과 근접성을 추론하고, 실제 압력 장갑 데이터로 보완했습니다. 이 모델은 물체를 가방에서 꺼내기, 붓으로 글씨 쓰기, 치약 짜기, 칩 집기 등의 작업을 수행하는 이중 팔 로봇에서 테스트되었으며, 촉각 피드백이 필요한 섬세한 조작을 처리할 수 있음을 입증했습니다. BeingBeyond는 2025년 5월 베이징 대학 부교수 Lu Zongqing에 의해 설립되었으며, 인간 영상 학습의 실현 가능성 입증(Being-H0 ~ H0.5), 규모 확장(H0.5 ~ H0.7), 그리고 현재 데이터 품질 개선(H0.8)의 세 단계를 거쳐 발전해 왔습니다.
출처: QbitAI 量子位 —
원문