智在无界发布Being-H0.8：首个隐式触觉世界-动作模型，在50万小时视频上训练

BeingBeyond发布了Being-H0.8，这是首个基于人类视频数据构建的隐式触觉世界-动作模型。该模型将触觉模态融入潜在空间表征，扩展了此前的视觉世界模型Being-H0.7。它采用混合专家变换器（Mixture of Transformers，MoT）预测交互结果，配备慢-快动作专家（slow-fast action expert）用于执行与实时调整，通用触觉编码器（Universal Tactile Encoder）统一触觉信号，以及TopoHand对齐人类与机器人动作空间。训练数据池超过50万小时的第一人称视频，经清洗处理后形成UniHand-3.0数据集。为解决视频中缺乏触觉标签的问题，BeingBeyond开发了TactoHand，从视觉数据推断接触与接近信息，并通过真实压力手套数据进行补充。该模型在双臂机器人上进行了测试，执行任务包括从包中取物、用毛笔写字、挤牙膏以及捡起薯片，展示了其处理需要触觉反馈的精细操作的能力。BeingBeyond成立于2025年5月，创始人为北京大学副教授卢宗青，目前已走过三个阶段：验证人类视频训练可行性（Being-H0至H0.5）、规模化扩展（H0.5至H0.7）、以及当前提升数据质量（H0.8）。