Being-H0.5: Scaling Human-Centric Robot Learning for Cross-Embodiment Generalization
저자: Hao Luo, Ye Wang, Wanpeng Zhang, Sipeng Zheng, Ziheng Xi, Chaoyi Xu, Haiweng Xu, Haoqi Yuan, Chi Zhang, Yiqing Wang, Yicheng Feng, Zongqing Lu · CoRL 2026
라이선스
arXiv의 라이선스에 따라 아래 내용은 모두 초록만으로 작성했습니다.
중요한 이유
비전-언어-행동 모델은 로봇 본체 간의 차이와 부족한 로봇 데이터로 어려움을 겪는다. 저자들은 LIBERO 98.9%, RoboCasa 53.9%라는 최고 수준의 시뮬레이션 결과와 다섯 개 로봇 플랫폼에서의 크로스 엠보디먼트 능력을 보고한다.
제안 방법
Being-H0.5는 인간 상호작용 흔적을 물리적 상호작용의 공통 기반으로 삼아, 통합된 행동 공간을 통해 UniHand-2.0(30가지 엠보디먼트에 걸친 35,000시간 이상의 멀티모달 데이터)으로 사전 학습하고, Mixture-of-Flow 전문가를 갖춘 Mixture-of-Transformers 설계를 사용하며, 실제 환경에서의 안정성을 위해 Manifold-Preserving Gating과 Universal Async Chunking을 추가한다.
초록
우리는 다양한 로봇 플랫폼 전반에서 견고한 크로스 임바디먼트 일반화를 위해 설계된 기반 비전-언어-행동(VLA) 모델 Being-H0.5를 소개한다. 기존 VLA는 형태적 이질성과 데이터 부족으로 어려움을 겪는 경우가 많기 때문에, 우리는 사람의 상호작용 궤적을 물리적 상호작용의 보편적인 "모국어"로 다루는 인간 중심 학습 패러다임을 제안한다. 이를 위해 30종의 서로 다른 로봇 임바디먼트에 걸친 35,000시간 이상의 멀티모달 데이터로 구성된, 지금까지 가장 큰 체화 사전 학습 레시피인 UniHand-2.0을 제시한다. 우리의 접근법은 이질적인 로봇 제어를 의미적으로 정렬된 슬롯에 대응시키는 통합 행동 공간(Unified Action Space)을 도입하여, 데이터가 적은 로봇이 사람의 데이터와 데이터가 많은 플랫폼으로부터 기술을 습득할 수 있게 한다. 이 인간 중심 기반 위에서 우리는 사람의 시연과 로봇의 실행을 잇는 통합 순차 모델링 및 멀티태스크 사전 학습 패러다임을 설계한다. 구조적으로 Being-H0.5는 Mixture-of-Transformers 설계를 사용하며, 공유된 운동 프리미티브를 임바디먼트별 전문가와 분리하는 새로운 Mixture-of-Flow(MoF) 프레임워크를 갖춘다. 마지막으로, 크로스 임바디먼트 정책이 실제 환경에서 안정적으로 동작하도록 감각 변화에 대한 견고성을 위한 Manifold-Preserving Gating과, 지연 및 제어 특성이 서로 다른 임바디먼트 사이에서 청크 단위 제어를 범용화하는 Universal Async Chunking을 도입한다. 우리는 Being-H0.5가 LIBERO(98.9%)와 RoboCasa(53.9%) 같은 시뮬레이션 벤치마크에서 최고 수준의 결과를 달성하고, 다섯 개의 로봇 플랫폼에서 강한 크로스 임바디먼트 능력을 보인다는 것을 실험으로 입증한다.
링크
- arXiv 2601.12993: https://arxiv.org/abs/2601.12993
- PDF: https://arxiv.org/pdf/2601.12993
- 코드: https://github.com/BeingBeyond/Being-H
- 프로젝트 페이지: https://research.beingbeyond.com/being-h05
- 데이터셋: https://huggingface.co/datasets/BeingBeyond/UniHand_Preview