RespuestasPublicado23 fuentes
Unitree presenta UnifoLM-WLA-1.0, un modelo único para 64 tareas de robots humanoides
Unitree presentó el 10 de septiembre UnifoLM WLA 1.0, un modelo visión lenguaje acción de 6.000 millones de parámetros entrenado con unas 2.500 horas de datos de robots reales. Según la empresa, un único modelo ejecutó 64 tareas: 54 de manipulación de sobremesa y 10 de manipulación móvil con coordinación de cuerpo c...
Publicado porEditado con GPT-5.6 TerraImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- Unitree presentó el 10 de septiembre UnifoLM WLA 1.0, un modelo visión lenguaje acción de 6.000 millones de parámetros entrenado con unas 2.500 horas de datos de robots reales.
- Según la empresa, un único modelo ejecutó 64 tareas: 54 de manipulación de sobremesa y 10 de manipulación móvil con coordinación de cuerpo completo.
- El proyecto promete generalización entre tareas y efectores finales, pero los resultados son comunicados por el proveedor y la disponibilidad completa del paquete abierto no está clara.
Prompt de IA
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 presentó el 10 de septiembre UnifoLM-WLA-1.0 como un modelo fundacional de propósito general para robots humanoides. La apuesta no es entrenar una política distinta para cada habilidad, sino emplear un único modelo de visión, lenguaje y acción —o VLA, por sus siglas en inglés— capaz de interpretar el entorno, entender instrucciones y generar movimientos. 18
19
26
La cifra clave: 6.000 millones de parámetros y 64 tareas
La compañía informa que UnifoLM-WLA-1.0 tiene 6.000 millones de parámetros y fue entrenado con aproximadamente 2.500 horas de datos de alta calidad obtenidos de robots reales. En sus evaluaciones con robots físicos, Unitree sostiene que el mismo modelo realizó 64 tareas: 54 de manipulación de sobremesa y 10 de manipulación móvil de cuerpo completo. 23
24
26
La distinción es relevante. Manipular objetos sobre una mesa exige movimientos precisos de pinzas o manos; desplazarse mientras se manipula requiere además coordinar locomoción, equilibrio y brazos. El objetivo declarado de Unitree es cubrir ambos tipos de actividad con un modelo compartido, en vez de recurrir a políticas específicas para cada tarea. 19
22
28
Compatibilidad con pinzas y manos robóticas
Unitree afirma que el sistema puede generalizar entre tareas y entre distintos efectores finales: las herramientas que el robot utiliza para sujetar o manipular objetos. Las informaciones sobre el lanzamiento mencionan compatibilidad con pinzas paralelas de dos dedos y con más de una configuración de mano diestra de cinco dedos. 22
24
32
Son capacidades comunicadas por la propia empresa, no una certificación independiente de rendimiento en cualquier robot o configuración. Aun así, la dirección del proyecto es clara: transferir comportamientos aprendidos entre distintas tareas y tipos de mano, sin tener que reentrenar una política desde cero para cada combinación. 22
27
Cómo describe Unitree su arquitectura
El planteamiento técnico divulgado gira en torno al modelado del mundo centrado en la interacción. En términos sencillos, busca enlazar lo que el robot ve y entiende mediante lenguaje con una predicción de cómo interactuará físicamente con el entorno y con la acción que debe ejecutar.
Unitree y las publicaciones que cubrieron el anuncio describen una canalización multimodal unificada con tres funciones:
- razonamiento incorporado o embodied reasoning;
- predicción de regiones dinámicas futuras; y
- aprendizaje de acciones discretas.
18
23
Las descripciones disponibles identifican a UnifoLM-ER-Flow como la base multimodal y a un experto de acciones basado en MMDiT para producir los movimientos. 22
23
24
La evidencia aportada no permite verificar de forma independiente todos los detalles de implementación de menor nivel que se han asociado al lanzamiento —por ejemplo, un diseño concreto de flujo óptico, tokenización VQ-VAE, cuantización vectorial residual o la receta exacta de entrenamiento de cada módulo—. Esos aspectos deben considerarse no confirmados hasta que aparezcan en materiales técnicos primarios del proyecto.
Benchmarks: resultados prometedores, pero comunicados por el proveedor
Unitree afirma haber evaluado su sistema de razonamiento incorporado en 16 benchmarks de percepción y comprensión multimodal. La página del proyecto enumera RoboVQA, Ego-Plan2, RefSpatial-Bench, Where2Place, Pixmo-Point, BLINK, CV-Bench, EmbSpatial, RoboSpatial, SAT, VSI-Bench, VSR, ERQA, RealWorld QA, MME y MMMU_VAL. 31
La empresa y las informaciones contemporáneas caracterizan los resultados como líderes entre modelos abiertos en varias pruebas de razonamiento incorporado y, en algunas métricas, comparables a modelos propietarios destacados. 18
21
26
Eso no equivale a una clasificación universal. Las fuentes disponibles tampoco aportan evidencia independiente suficiente para sostener una comparación directa de rendimiento con un modelo denominado “GPT-6 Astra”; por tanto, esa afirmación no debe darse por establecida.
Qué muestran las demostraciones —y qué no prueban
Las demostraciones incluyeron hardware G1 de Unitree realizando tareas de sobremesa y de cuerpo completo. El conjunto de 64 tareas se divide, según lo informado, en 54 de sobremesa y 10 de manipulación móvil de cuerpo completo. 24
32
Esto resulta más informativo que una demostración muy preparada de una sola habilidad: intenta mostrar el funcionamiento de un mismo punto de control o checkpoint en familias de tareas distintas. Sin embargo, sigue siendo una evaluación reportada por el proveedor. Por sí sola no demuestra una operación robusta en hogares, fábricas o espacios públicos sin restricciones.
¿Está realmente disponible como código abierto?
El lenguaje sobre la disponibilidad no es del todo consistente en las fuentes aportadas. Varios reportes publicados entre el 10 y el 15 de septiembre describen UnifoLM-WLA-1.0 como totalmente abierto o señalan que se liberaron —o se liberarían— código, modelos y conjuntos de datos. 20
21
26
27 Además, una colección de Hugging Face asociada a Unitree incluye un conjunto de datos UnifoLM-WLA.
30
Pero otra publicación describió el código y el conjunto de datos como “próximamente”. 24 Esta contradicción impide asegurar que todos los componentes —código de entrenamiento completo, pesos del modelo y todos los datos— estuvieran disponibles para descargar y ejecutar en el momento de la divulgación.
La conclusión práctica es verificar los artefactos concretos, sus licencias y los enlaces de acceso antes de planificar un despliegue. El anuncio es relevante como modelo y hoja de ruta de investigación; el valor del paquete abierto dependerá de lo que esté realmente accesible en los repositorios y plataformas oficiales.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "Unitree presenta UnifoLM-WLA-1.0, un modelo único para 64 tareas de robots humanoides"?
Unitree presentó el 10 de septiembre UnifoLM WLA 1.0, un modelo visión lenguaje acción de 6.000 millones de parámetros entrenado con unas 2.500 horas de datos de robots reales.
¿Cuáles son los puntos clave a validar primero?
Unitree presentó el 10 de septiembre UnifoLM WLA 1.0, un modelo visión lenguaje acción de 6.000 millones de parámetros entrenado con unas 2.500 horas de datos de robots reales. Según la empresa, un único modelo ejecutó 64 tareas: 54 de manipulación de sobremesa y 10 de manipulación móvil con coordinación de cuerpo completo.
¿Qué debo hacer a continuación en la práctica?
El proyecto promete generalización entre tareas y efectores finales, pero los resultados son comunicados por el proveedor y la disponibilidad completa del paquete abierto no está clara.