# Being-M0 – 北大联合人民大学推出的人形机器人通用动作生成模型

- Link: https://paooo.com/aigc-news/18948/
- Published: 2026-06-08T19:12:22+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 首个大规模人形机器人通用动作生成模型，验证“大数据+[大模型](https://paooo.com/ai-study/)”
   路线可行。
 * 基于百万级 MotionLib 与 MotionBook 编码，提升动作多样性、语义对齐与表示效率。
 * 支持文本生成动作并迁移到 Unitree H1、H1-2、G1 等平台，适合机器人控制与动画制作。

## 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。

阅读目录

 * [Being-M0是什么](https://paooo.com/aigc-news/18948/#beingm0%e6%98%af%e4%bb%80%e4%b9%88)
 * [Being-M0的主要功能](https://paooo.com/aigc-news/18948/#beingm0%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [Being-M0的技术原理](https://paooo.com/aigc-news/18948/#beingm0%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [Being-M0的项目地址](https://paooo.com/aigc-news/18948/#beingm0%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [Being-M0的应用场景](https://paooo.com/aigc-news/18948/#beingm0%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![Being-M0](https://paooo.com/wp-content/uploads/2026/06/Being-M0-website-1.avif)

## 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。

## Being-M0的项目地址

 * **项目官网**：[https://beingbeyond.github.io/Being-M0/](https://beingbeyond.github.io/Being-M0/?utm_source=ai-bot.cn)
 * **arXiv技术论文**：[https://arxiv.org/pdf/2410.03311](https://arxiv.org/pdf/2410.03311)

## Being-M0的应用场景

 * **人形机器人控制**：让机器人根据文字指令完成动作。
 * **动画制作**：快速生成高质量动作序列，提高制作效率。
 * **虚拟现实与增强现实**：实时生成交互动作，增强沉浸感。
 * **人机交互**：让机器人更好地理解人类指令，提升协作效率。
 * **运动分析与康复**：辅助运动员训练和患者康复。

❓ 常见问题解答（FAQ）

Being-M0是什么模型？

Being-M0 是北京大学、中国人民大学等机构联合推出的人形机器人通用动作生成模型。它面向
文本驱动动作生成与跨机器人动作迁移，核心目标是让模型更高效地生成、理解并复用人类
动作。

Being-M0为什么强调MotionLib和MotionBook？

MotionLib 是其百万级动作数据集，提供大规模训练基础；MotionBook 则把动作序列编码成
二维动作图像，提升表示与生成效率，并减少传统 codebook 查找环节，扩大动作词表容量。

Being-M0可以用在哪些场景？

它可用于人形机器人控制、动画制作、VR/AR 交互、人机协作，以及运动分析与康复等场景。
模型既能根据文字生成动作，也能将动作迁移到多种人形机器人平台。

🔬 语宙深潜追问 · 进阶实操拆解

文本驱动动作生成怎么保证可执行？

要把自然语言先映射成结构化动作语义，再约束到机器人关节、速度和稳定性边界。否则模型
生成的动作可能“看起来像”，但实际不可执行。训练时还要加入物理约束和失败样本，提升
落地性。

跨机器人迁移最难在哪？

难在形态差异和控制接口不一致。需要统一动作表示，再做设备级映射和少量微调。评测不能
只看动作多样性，还要看平衡性、落地成功率和多人交互时的时序协调。

🗳️ 读者观点微投票 · 您的实战立场是？

通用动作生成，机器人先统一还是先专用？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🐋 所属权威专题：DeepSeek 深度实战与部署 →](https://paooo.com/topics/deepseek/)

 * [卢宗青团队重磅开源Being-H0.5：通用机器人模型突破，实现跨形态策略迁移与真实部署](https://paooo.com/aigc-news/11859/)
 * [智源研究院开源RoboBrain-X0：全球首个跨本体具身模型，零样本驱动多形态机器人](https://paooo.com/aigc-news/13380/)
 * [Xiaomi-Robotics-U0 – 小米推出的统一具身合成模型](https://paooo.com/aigc-news/30755/)
 * [GR00T N1 – 英伟达开源的人形机器人基础模型](https://paooo.com/aigc-news/20946/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/18948/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
