UnifoLM-WLA-1.0: 64 tareas no equivalen a un modelo completo en abierto

El anuncio de UnifoLM-WLA-1.0 plantea una pregunta práctica: ¿puede un equipo externo descargar y comprobar el sistema completo que mueve al robot? Según los informes disponibles sobre el estado de la publicación, la respuesta todavía no está acreditada. Unitree ha abierto partes del proyecto, pero eso no equivale a disponer del modelo completo de control corporal, de unos 6.000 millones de parámetros.5813

Qué está disponible y qué sigue pendiente

Unitree publicó los pesos de UnifoLM-ER-1, el componente de razonamiento de unos 4.000 millones de parámetros, y de UnifoLM-ER-Flow, que incorpora representaciones de cambios previstos en la escena y de acciones. Una revisión de la lista de publicaciones del proyecto, fechada el 16 de septiembre, también marcaba como publicado el conjunto de datos UniBot-V1 Challenge Dataset.817

Esa misma lista mantenía como pendientes los pesos de UnifoLM-WLA-Base, el código de posentrenamiento y los conjuntos Unitree-WBT-Dataset y Unitree-Manipulation-Dataset. La cobertura del 20 de septiembre seguía describiendo esos recursos como previstos, no como disponibles. En otras palabras: los pesos publicados de los componentes no son un archivo descargable del sistema completo que controla el movimiento del robot.81320

Cómo encajan las 2.500 horas y las 64 tareas

Unitree afirma haber entrenado el sistema con unas 2.500 horas de datos de robots reales y haber empleado un único modelo para 64 tareas: 54 operaciones de manipulación sobre mesa y 10 que requieren movimiento o manipulación con el cuerpo entero. La evaluación presentada incluye pinzas de dos dedos y distintos tipos de manos diestras de cinco dedos. Es una descripción del alcance comunicado por la empresa, no una prueba de que el modelo funcione sin cambios en cualquier robot.5613

La arquitectura busca conectar tres pasos: ER-1-4B interpreta información visual y espacial; ER-Flow representa posibles cambios en la escena junto con las acciones; y un componente generador de acciones produce los movimientos. Así, una instrucción y lo que observa el robot pueden traducirse en movimientos coordinados de manos, brazos y cuerpo.81730

Para coordinar esas partes, el método descrito convierte movimientos continuos —del extremo manipulador, las articulaciones de la mano y la parte inferior del cuerpo— en unidades discretas, o tokens, alineadas en los mismos intervalos de tiempo. La idea es relacionar qué podría cambiar con cuándo debe moverse cada parte. Es una explicación del diseño, no una demostración de que el robot se recupere ante imprevistos.1822

Qué demuestran realmente los resultados

Unitree informa de que ER-1-4B encabezó la comparación entre modelos abiertos en siete de 16 pruebas de percepción y comprensión multimodal. Esas pruebas evalúan el componente de razonamiento frente a los modelos incluidos en la comparación: no son siete mediciones del éxito de las 64 tareas ni pruebas de seguridad y fiabilidad durante un uso prolongado.1318

Las demostraciones muestran la variedad de tareas evaluadas por Unitree, pero las fuentes disponibles no establecen que terceros hayan reproducido su rendimiento en condiciones reales. Para valorar la fiabilidad del sistema y su posible adaptación a robots de otros fabricantes harían falta los recursos de control aún pendientes, procedimientos de evaluación publicados y pruebas independientes con otros cuerpos, sensores y manos.81322