Being-M0 – 北京大学与人民大学共同研发的人形机器人动作生成通用模型的创新之旅

Being-M0是什么

Being-M0 是北京大学、中国人民大学等机构联合推出的首个大规模人形机器人通用动作生成模型。Being-M0 基于业界首个百万级动作数据集 MotionLib，用创新的 MotionBook 编码技术，将动作序列转化为二维图像进行高效表示和生成。Being-M0 验证了大数据+大模型在动作生成领域的技术可行性，显著提升动作生成的多样性和语义对齐精度，实现从人体动作到多款人形机器人的高效迁移，为通用动作智能奠定基础。

Being-M0的主要功能

文本驱动动作生成：根据输入的自然语言描述生成相应的人类动作序列。
动作迁移：模型将生成的人类动作迁移到多种人形机器人平台上，如Unitree H1、H1-2、G1等，让机器人执行类似的人类动作。
多模态数据支持：Being-M0支持多种模态的数据，包括RGB视频、深度信息等，能处理多人交互场景，为复杂场景下的动作生成提供支持。

Being-M0的技术原理

大规模数据集 MotionLib：基于业界首个百万级动作生成数据集 MotionLib，数据集包含超过120万条动作序列，是现有最大公开数据集的15倍。数据集基于自动化处理流程从公开数据集和在线平台收集，进行细粒度的标注。
MotionBook 编码技术：基于 MotionBook 编码技术，将动作序列建模为单通道二维动作图像，分别在时间轴和关节轴构建独立编码空间，完整保留运动的多维结构特征。基于降维投影消除传统codebook查找环节，让动作词表容量提升两个数量级。
优化+学习的两阶段解决方案：在动作迁移方面，用优化、学习的两阶段解决方案。优化阶段基于多目标优化方法生成满足机器人运动学约束的动作序列；学习阶段用轻量级MLP网络学习从人体动作到人形机器人动作的映射关系，实现高效的动作迁移。