AntwortenVeröffentlicht23 Quellen
Unitree UnifoLM-WLA-1.0: Was hinter dem 6B-Modell für humanoide Roboter steckt
Unitree stellte am 10. September UnifoLM WLA 1.0 vor: ein Vision Language Action Modell mit 6 Milliarden Parametern, das nach Unternehmensangaben mit rund 2.500 Stunden realer Roboterdaten trainiert wurde.
Veröffentlicht vonBearbeitet mit GPT-5.6 TerraBilder erstellt mit GPT Image 2
Forschungsantwort
Wichtige Erkenntnisse
- Unitree stellte am 10. September UnifoLM WLA 1.0 vor: ein Vision Language Action Modell mit 6 Milliarden Parametern, das nach Unternehmensangaben mit rund 2.500 Stunden realer Roboterdaten trainiert wurde.
- In Tests auf realen Robotern soll ein einziges Modell 64 Aufgaben abgedeckt haben: 54 Tischaufgaben und 10 Aufgaben mit mobiler Ganzkörpermanipulation.
- Das System soll zwischen Aufgaben und verschiedenen Greifern beziehungsweise Händen generalisieren.
KI-Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Unitree disclose about UnifoLM-WLA-1.0 on September 10, 2026—including its approximately 6-billion-parameter, general-purpose human. Article summary: On September 10, Unitree presented UnifoLM-WLA-1.0 as a roughly 6-billion-parameter, general-purpose humanoid vision-language-action foundation model intended to use one model across tabletop manipulation and mobile whol. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Unitree positioniert UnifoLM-WLA-1.0 als allgemeines Grundlagenmodell für humanoide Manipulation – nicht als Steuerung, die nur für eine einzelne Roboteraufgabe optimiert ist. Der zentrale Anspruch: Ein einziges Vision-Language-Action-Modell (VLA) mit 6 Milliarden Parametern soll sowohl präzise Arbeiten auf dem Tisch als auch mobile Manipulation mit dem ganzen Körper koordinieren. 18
19
26
Die wichtigsten Zahlen: 6 Milliarden Parameter, 2.500 Stunden, 64 Aufgaben
Nach Angaben von Unitree wurde UnifoLM-WLA-1.0 mit rund 2.500 Stunden hochwertiger Daten von realen Robotern trainiert. In der Evaluation auf realer Hardware soll dasselbe Modell 64 Aufgaben bewältigt haben: 54 Tischmanipulationen und 10 mobile Ganzkörperaufgaben. 23
24
26
Gerade diese Verbindung ist der entscheidende Punkt: Bei Tischaufgaben kommt es auf sehr präzise Bewegungen von Hand oder Greifer an. Mobile Ganzkörpermanipulation verlangt dagegen, Fortbewegung, Gleichgewicht und Greifen aufeinander abzustimmen. Unitree will beides nicht über getrennte, aufgabenspezifische Steuerungen lösen, sondern mit einem gemeinsamen Modell. 19
22
28
Generalisierung über Aufgaben und Endeffektoren hinweg
Unitree erklärt, das System könne über Aufgaben und Endeffektoren hinweg generalisieren. Berichte zur Veröffentlichung nennen parallele Zwei-Finger-Greifer sowie mehrere Konfigurationen fünfgliedriger, beweglicher Roboterhände als unterstützte Hardware. 22
24
32
Das ist keine unabhängige Bestätigung, dass die Leistung auf jeder beliebigen Roboterplattform gleich ausfällt. Die Produktidee ist dennoch klar: Erlernte Verhaltensweisen sollen möglichst zwischen Aufgaben und Manipulationshardware übertragbar sein, statt für jede Kombination ein separates Steuerungsmodell neu zu trainieren. 22
27
So beschreibt Unitree die Architektur
Der technische Kern ist laut Unitree ein interaktionszentriertes Weltmodell. Es soll visuelles und sprachliches Verständnis mit Vorhersagen über physische Interaktionen und der Erzeugung von Aktionen verbinden. Beschrieben wird eine einheitliche multimodale Pipeline mit drei Funktionen:
- verkörpertes Schlussfolgern (embodied reasoning),
- Vorhersage künftiger dynamischer Bereiche und
- Lernen diskreter Aktionen.
18
23
Als multimodales Rückgrat wird UnifoLM-ER-Flow genannt; die Aktionen erzeugt ein auf MMDiT basierender Action Expert. 22
23
24
Für weitergehende technische Details, die teils im Umfeld der Veröffentlichung genannt werden – etwa eine konkrete Optical-Flow- oder VQ-VAE-Tokenisierung, Residual Vector Quantization oder das exakte Trainingsverfahren einzelner Komponenten –, liefern die vorliegenden Quellen keine hinreichend unabhängige Bestätigung. Solche Angaben sollten daher erst nach Prüfung der primären technischen Dokumentation als gesichert gelten.
Benchmarks: interessant, aber als Herstellerergebnisse einordnen
Unitree gibt an, sein System für verkörpertes Schlussfolgern auf 16 multimodalen Wahrnehmungs- und Verständnisbenchmarks getestet zu haben. Auf der Projektseite werden unter anderem RoboVQA, Ego-Plan2, RefSpatial-Bench, Where2Place, Pixmo-Point, BLINK, CV-Bench, EmbSpatial, RoboSpatial, SAT, VSI-Bench, VSR, ERQA, RealWorld QA, MME und MMMU_VAL aufgeführt. 31
Das Unternehmen und zeitgenössische Berichte bezeichnen die Resultate auf mehreren Benchmarks als führend unter offenen Modellen; in einzelnen Messungen seien sie mit führenden proprietären Modellen vergleichbar. 18
21
26
Das ist jedoch keine allgemeingültige Rangliste. Die verfügbaren Quellen reichen insbesondere nicht aus, um einen direkten Leistungsvorsprung gegenüber einem Modell namens „GPT-6 Astra“ zu belegen. Ein solcher Vergleich sollte deshalb nicht als erwiesen gelten.
Was die Demonstrationen zeigen – und was nicht
Die gezeigten Szenarien umfassten Unitrees G1-Hardware bei Tisch- und Ganzkörperaufgaben. Die 64 Aufgaben verteilen sich laut Berichten auf 54 Tischaufgaben und 10 mobile Ganzkörpermanipulationen. 24
32
Das ist aussagekräftiger als eine sorgfältig inszenierte Demonstration einer einzigen Fähigkeit: Hier soll ein Modell über verschiedene Aufgabenfamilien hinweg arbeiten. Dennoch handelt es sich um eine vom Anbieter berichtete Evaluation. Daraus folgt nicht automatisch, dass das System in unstrukturierten Wohnungen, Fabriken oder öffentlichen Räumen zuverlässig arbeitet.
Ist UnifoLM-WLA-1.0 bereits vollständig als Open Source verfügbar?
Die Angaben zur Verfügbarkeit sind in den vorliegenden Materialien nicht einheitlich. Mehrere Berichte vom 10. bis 15. September bezeichnen UnifoLM-WLA-1.0 als vollständig Open Source oder schreiben, Code, Modelle und Datensätze seien veröffentlicht worden beziehungsweise würden bereitgestellt. 20
21
26
27 Auch eine Unitree zugeordnete Hugging-Face-Sammlung führt einen UnifoLM-WLA-Datensatz auf.
30
Ein anderer Bericht beschreibt Code und Datensatz dagegen als „coming soon“. 24 Wegen dieses Widerspruchs lässt sich nicht belastbar behaupten, dass bereits alle Komponenten – vollständiger Trainingscode, sämtliche Modellgewichte und alle Datensätze – direkt herunterladbar und einsatzbereit waren.
Für Forschungsteams und Entwickler ist die praktische Konsequenz einfach: Vor einer Integration sollten die tatsächlich zugänglichen Artefakte, Lizenzen und offiziellen Download-Links geprüft werden. Die Ankündigung ist als Modell- und Forschungsroadmap bedeutsam; wie offen und unmittelbar nutzbar das Paket ist, entscheidet sich aber an den real verfügbaren Repositories und Modell-Hubs.
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „Unitree UnifoLM-WLA-1.0: Was hinter dem 6B-Modell für humanoide Roboter steckt“?
Unitree stellte am 10. September UnifoLM WLA 1.0 vor: ein Vision Language Action Modell mit 6 Milliarden Parametern, das nach Unternehmensangaben mit rund 2.500 Stunden realer Roboterdaten trainiert wurde.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Unitree stellte am 10. September UnifoLM WLA 1.0 vor: ein Vision Language Action Modell mit 6 Milliarden Parametern, das nach Unternehmensangaben mit rund 2.500 Stunden realer Roboterdaten trainiert wurde. In Tests auf realen Robotern soll ein einziges Modell 64 Aufgaben abgedeckt haben: 54 Tischaufgaben und 10 Aufgaben mit mobiler Ganzkörpermanipulation.
Was soll ich als nächstes in der Praxis tun?
Das System soll zwischen Aufgaben und verschiedenen Greifern beziehungsweise Händen generalisieren.