智在無界發布隱式觸覺世界動作模型 Being-H0.8，整合視覺與觸覺至隱空間且訓練成本僅影片生成 1%

據報導，北京大學副教授盧宗青創立「智在無界（BeingBeyond）」，並發布全球首個隱式觸覺世界動作模型 Being-H0.8。 Being-H0.8 首次將觸覺模態引入大規模模型預訓練，將視覺、觸覺、動作及未來狀態變化統一至同一隱空間（latent space），使機器人能理解並預測物理交互過程。該模型不生成畫面，直接在 embedding space 中預測狀態與動作；據稱在同等資料與參數規模下，此路線的訓練算力成本僅為像素級影片生成模型的 1%，且推論速度足以支援機器人即時控制。 在訓練資料方面，團隊已累積超過 50 萬小時經篩選的人類第一視角影片資料。盧宗青指出，人類影片是具身智慧唯一能 scale up 的資料路徑，並認為僅靠單一機器人本體收集資料的「資料飛輪」容易過度擬合（overfit）特定硬體構型，難以通向通用基礎模型。 其前代預訓練模型 Being-H0.5 已可適配雙足人形、雙臂、機械臂、夾爪與靈巧手等多種硬體構型。目前，智在無界已與地瓜機器人展開合作，進行端側世界模型的部署。 盧宗青亦表示，具身基礎模型的確定性技術範式尚未出現，預期產業需 2 至 3 年才會出現具備真實商業投資報酬率（ROI）的落地應用，而達到類似 GPT-3.5 階段的通用具身基礎模型則需 3 至 5 年。