Being-M0.7 auf Unitree G1: 13 von 15 Praxistests gelingen
Veröffentlicht am: 13.10.2026 um 00:18 Uhr | Redaktion boerse-global.de
Das Robotikunternehmen BeingBeyond hat am 8. Oktober 2026 sein Modell Being-M0.7 vorgestellt. Bei der Entwicklung handelt es sich um ein sogenanntes Latent-World-Action-Modell, das auf mehr als 10.000 Stunden an menschlichen Video- und Bewegungsdaten trainiert wurde.
Das System soll humanoide Roboter sowohl bei der Fortbewegung als auch bei Manipulationsaufgaben unterstützen. Die Kerninnovation liegt laut den Entwicklern in einer latenten Weltrepräsentation mit einem kompakten handlungsfähigen Zustandsraum, wodurch die Abhängigkeit von kostenintensivem Training auf physischer Roboterhardware reduziert werden soll.
Dreistufiges Trainingsverfahren und technische Details
Das Training von Being-M0.7 erfolgt in drei aufeinander aufbauenden Stufen. Im ersten Schritt, dem Pre-Training, verarbeitet das System über 10.000 Stunden an rohen menschlichen Video- und Bewegungsdaten aus Datensätzen wie Ego4D, Xperience, Nymeria, Bones-SEED, SnapMoGen, HumanML3D und Lafan1. In dieser Phase lernt das Modell die gemeinsame Vorhersage künftiger latenter visueller Zustände und Bewegungen.
In der zweiten Stufe, dem Robot-Mid-Training, wird das System an die jeweilige Roboterkamera und die Dynamik der Maschine angepasst. Das abschließende Action-Post-Training verknüpft einen eingefrorenen Prior über eine sogenannte gated Cross-Attention mit aktuellen Kamerabildern und der Propriozeption des Roboters.
Auf technischer Ebene nutzt Being-M0.7 eingefrorene Bildmerkmale sowie eine kompakte Repräsentation der Bewegungen. Das Modell operiert mit einem 22-dimensionalen Head-Root-Vektor bei einer Frequenz von 5 Hz und generiert 30-Schritt-Aktionsblöcke, die mit 50 Hz ausgeführt werden. Für das Training wurde Hardware vom Typ RTX 4090 eingesetzt.
Wer die rasanten Fortschritte in der Robotik und Künstlichen Intelligenz verfolgt, erkennt den Beginn einer neuen Ära für die Industrie. Dieser kostenlose Report liefert konkrete Einblicke in Unternehmen, die von Milliarden-Investitionen in diese Zukunftstechnologien profitieren. Robotik und KI: So erkennen Sie die Profiteure der neuen Industrieära
Ergebnisse in Simulation und Praxistests
In den von den Autoren berichteten SIMPLE-Simulationen erzielte Being-M0.7 eine Erfolgsquote von 128 von 180 Versuchen, was 71,1 Prozent entspricht. Damit übertraf das Modell im Testaufbau Vergleichssysteme wie ?0 mit 116 von 180 (64,4 Prozent), ?0.5 mit 95 von 180 (52,8 Prozent) sowie GR00T-N1.6 mit 61 von 180 (33,9 Prozent).
Ablationsstudien verdeutlichten den Einfluss der einzelnen Trainingsschritte: Ohne das Pre-Training sank das Ergebnis auf 88 von 180 Versuchen (48,9 Prozent), während der Verzicht auf das Mid-Training zu 107 von 180 (59,4 Prozent) führte. Eine rein sprachbasierte Variante erreichte 105 von 180.
Neben Simulationen überprüften die Forscher das Modell auch auf der Roboterplattform Unitree G1. Bei realen Testläufen waren 13 von 15 Versuchen erfolgreich, womit das Modell mit GR00T-N1.6 gleichauf lag.
Bei kombinierten Aufgaben aus Gehen und Greifen verzeichnete Being-M0.7 auf dem Unitree G1 eine Erfolgsrate von 86,7 Prozent, was dem Niveau der leistungsstärksten Vergleichsmodelle entspricht.
Der technologische Umbruch in der Industrie wird maßgeblich von Robotik und KI vorangetrieben, doch welche Firmen stehen wirklich hinter dieser Entwicklung? Ein aktueller Report deckt auf, welche Namen hinter dem größten technologischen Wandel der modernen Industrie stecken. Welche Firmen treiben die industrielle Revolution 2026 wirklich voran?
Forschungskontext und bestehende Grenzen
BeingBeyond wurde von Lu Zongqing gegründet, einem Assoziatprofessor der Peking-Universität. Insgesamt 14 Forscher veröffentlichten die Ergebnisse zu Being-M0.7 als Preprint unter der Kennung arXiv 2610.11283, der bislang kein Peer-Review-Verfahren durchlaufen hat.
In der Publikation weisen die Autoren auf mehrere bestehende Einschränkungen hin. Dazu gehören die Genauigkeit bei Aufgaben mit langen Zeithorizonten, die Diskrepanz beim Transfer von der Simulation in die Realität sowie ungelöste morphologische Unterschiede zwischen Menschen und Robotern, etwa beim Einsatz von Greifern anstelle menschlicher Hände. Einen weiteren Zeitplan für die Entwicklung von Being-M0.7 nannte das Unternehmen nicht.
