Being-H0.5 是一个基础型 VLA（vision-language-action）模型，目标是通过 UniHand-2.0 与统一动作空间扩展以人为中心的机器人学习，用于更稳健的跨本体机器人控制。Being-H05-2B 是 2B 参数的基础 VLA 预训练模型预览版，视觉部分默认使用 224px。项目还提供面向 LIBERO、RoboCasa 以及二者组合的 2B 后训练版本。

该模型构建在 InternVL、Bagel、Qwen 等开源项目之上，其中 InternVL 被列为视觉语言模型骨干，Bagel 为训练框架，Qwen 为语言模型和 MoE expert。后训练版本覆盖 LIBERO benchmark、RoboCasa kitchen tasks，以及两者结合的设置；仓库支持用预训练或后训练模型做机器人策略推理、启动实时机器人控制推理服务、在 LIBERO 和 RoboCasa 上评估，并可用自有机器人数据进行后训练。许可证为 Apache-2.0。