BeingBeyond发布首个基于人类视频数据的隐式触觉世界动作模型Being-H0.8，将触觉纳入“预测-执行-反馈”链路。模型通过TactoHand从无触觉标注视频中推断接触，通用触觉编码器统一信号，TopoHand对齐动作，并利用超50万小时数据训练，实现包中取物、毛笔写字等精细任务。

本文探讨了PI公司发布的Human to Robot数据采集工作，强调通过人类视频学习技能的潜力。研究表明，多样化的数据预训练能提升机器人对人类数据的迁移能力，促进其在新任务和场景中的泛化。作者提出了一种联合训练方案，验证了多样化预训练的重要性。