VLA 图库 / 模型列表 / 2026年新增

Being-H0.5

BeingBeyond · 2026-01

VLA2026年新增2Bflow matching

用UniHand-2.0(人类第一视角16,000小时·机器人14,000小时以上)训练了30种具身形态。

论文

Being-H0.5: Scaling Human-Centric Robot Learning for Cross-Embodiment GeneralizationarXiv 2601.12993

概述

分类

2026年新增

类型

VLA

发布

2026-01

机构

BeingBeyond

权重公开

是

参数

2B(README)/3B(HF)

架构

主干LLM

未公开

视觉编码器

—

动作头

Mixture-of-Flow (统一动作空间) (flow matching)

动作块

未公开

控制频率

未公开

架构原文摘要

Mixture-of-Transformers + Mixture-of-Flow;将异构机器人控制映射到语义对齐槽位的统一动作空间;Universal Async Chunking

训练

预训练加速器

未公开 (一并公开的预训练配方为1,000 GPU-小时，GPU型号未公开)

预训练时长

未公开

预训练步数·批量

未公开

GPU·TPU-小时

未公开

微调

未公开

数据类型

人类视频(第一人称) + 真实机器人 + 仿真·合成(26%) + 网络视觉-语言

数据规模

35,000小时以上·120B token·400M样本以上(人类16,000小时，机器人14,000小时以上，VLM相当于5,000小时)；本体30种

主要数据集

UniHand-2.0，UniCraftor(200小时以上，43项任务)

任务·评估

LIBERO 98.9%,RoboCasa 53.9%;真机5种

机器人

PND Adam-U, Franka+Inspire, Unitree G1, BeingBeyond D1, LeRobot SO-101

推理

推理设备·速度

未公开

推理显存

未公开

权重 bf16（计算）

未公开

运行位置

未公开

强化学习与底盘

强化学习

未使用 · 监督学习(公开论文范围内)

强化学习依据

https://arxiv.org/html/2601.12993v1

底盘控制

固定 · 统一动作空间中定义了底盘速度·方向槽位，但实验(含G1)仅控制上身·手臂

备注

核心特点

用UniHand-2.0(人类第一视角16,000小时·机器人14,000小时以上)训练了30种具身形态。同时公开了1,000 GPU-小时的预训练方案。

备注

参数冲突：官方README 2B，HF自动标签3B，论文未记载(数值列留空)。arXiv v1 2026-01-19，GitHub 2026-01-20。UniHand_Preview子集2026-03-20公开，被CoRL 2026接收。1,000 GPU-小时为公开配方值，未核实是否与旗舰运行一致，故数值列留空。

核验

已确认