AnswersPublished23 sources
Unitreen UnifoLM-WLA-1.0: mitä 6 miljardin parametrin robottimalli käytännössä tarkoittaa
Unitree julkisti 10. syyskuuta UnifoLM WLA 1.0:n: 6 miljardin parametrin näkö–kieli–toiminta mallin, joka on koulutettu noin 2 500 tunnin oikealla robottidatalla ja jonka yhtiö kertoo hoitavan 64 tehtävää yhdellä mall...
JulkaisijaMuokattu mallilla GPT-5.6 TerraKuvat luotu mallilla GPT Image 2
Research answer
Key takeaways
- Unitree julkisti 10. syyskuuta UnifoLM WLA 1.0:n: 6 miljardin parametrin näkö–kieli–toiminta mallin, joka on koulutettu noin 2 500 tunnin oikealla robottidatalla ja jonka yhtiö kertoo hoitavan 64 tehtävää yhdellä mall...
- Tehtävistä 54 oli pöytätason käsittelyä ja 10 liikkuvaa koko kehon manipulointia.
- Yhtiön mukaan arkkitehtuuri yhdistää vuorovaikutuskeskeisen maailmanmallinnuksen, kehollisen päättelyn, tulevien dynaamisten alueiden ennustamisen ja erillisten toimintojen oppimisen.
AI 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 esitteli 10. syyskuuta UnifoLM-WLA-1.0 -mallin yleiskäyttöisenä humanoidirobottien perustamallina. Kyse ei yhtiön mukaan ole yhden yksittäisen robottitehtävän ohjausmallista, vaan näön, kielellisten ohjeiden ja toiminnan yhdistävästä VLA-mallista (vision-language-action). Sen keskeinen lupaus on kunnianhimoinen: yksi 6 miljardin parametrin malli ohjaisi sekä tarkkaa pöytätason käsittelyä että liikkuvaa, koko kehoa hyödyntävää manipulointia. 18
19
26
Tärkeimmät luvut: 6 miljardia parametria, 2 500 tuntia dataa, 64 tehtävää
Unitreen mukaan UnifoLM-WLA-1.0:ssa on 6 miljardia parametria, ja sen koulutuksessa käytettiin noin 2 500 tuntia korkealaatuista oikeilla roboteilla kerättyä dataa. Yhtiön oikeilla roboteilla tekemässä arvioinnissa yksi malli suoritti 64 tehtävää: 54 pöytätason tehtävää ja 10 liikkuvaa koko kehon manipulointitehtävää. 23
24
26
Jaottelu on olennainen, koska tehtävätyypit edellyttävät tavallisesti erilaista ohjausta. Pöytätason työssä korostuvat käden tai tarttujan tarkat liikkeet. Liikkuvassa koko kehon työssä robotin on samaan aikaan sovitettava yhteen liikkuminen ja esineiden käsittely. Unitreen tavoitteena on korvata erilliset, tehtäväkohtaisesti koulutetut ohjausmallit yhdellä yhteisellä mallilla. 19
22
28
Yleistyykö malli eri tarttujiin?
Unitree kertoo järjestelmän yleistyvän tehtävien välillä ja eri pääte-efektoreille eli robotin tarttujiin tai käsiin. Julkaisua käsittelevien raporttien mukaan tukea kuvataan rinnakkaisille kaksisormitarttujille sekä useammalle viisivarpaisen näppärän käden kokoonpanolle. 22
24
32
Kyse on kuitenkin yhtiön omista suorituskykyväitteistä, ei riippumattomasta sertifioinnista kaikilla robotti- ja käsikokoonpanoilla. Suunta on silti selvä: opittua toimintaa pyritään siirtämään tehtävästä ja tarttujasta toiseen sen sijaan, että jokaiselle yhdistelmälle koulutettaisiin oma ohjausmalli. 22
27
Miten Unitree kuvaa arkkitehtuuria?
Julkaisun tekninen lähtökohta on vuorovaikutuskeskeinen maailmanmallinnus. Ajatuksena on yhdistää visuaalinen ja kielellinen ymmärrys ennusteisiin fyysisestä vuorovaikutuksesta sekä toiminnan tuottamiseen. Unitree ja julkaisua käsittelevät raportit kuvaavat yhtenäistä monimuotoista putkea, jossa on kolme päätoimintoa:
- kehollinen päättely;
- tulevien dynaamisten alueiden ennustaminen; sekä
- diskreettien toimintojen oppiminen.
18
23
Kuvausten mukaan monimuotoisena runkona toimii UnifoLM-ER-Flow, ja toimintojen tuottamisesta vastaa MMDiT-pohjainen toimintamoduuli. 22
23
24
Saatavilla oleva aineisto ei vahvista riippumattomasti kaikkia alemman tason toteutusyksityiskohtia, joita julkaisuun on yhdistetty. Tällaisia ovat esimerkiksi tietty optisen virtauksen tai VQ-VAE-tokenisoinnin toteutus, residuaalinen vektorikvantisointi ja moduulien tarkka koulutusmenetelmä. Niitä ei siksi pidä pitää varmistettuina ilman hankkeen ensisijaisia teknisiä materiaaleja.
Vertailutestit ovat lupaavia, mutta yhtiön raportoimia
Unitree kertoo arvioineensa kehollisen päättelyn järjestelmäänsä 16 monimuotoisella havainnointi- ja ymmärrysvertailulla. Projektisivulla mainitaan muun muassa RoboVQA, Ego-Plan2, RefSpatial-Bench, Where2Place, Pixmo-Point, BLINK, CV-Bench, EmbSpatial, RoboSpatial, SAT, VSI-Bench, VSR, ERQA, RealWorld QA, MME ja MMMU_VAL. 31
Yhtiö ja tuore raportointi luonnehtivat tuloksia johtaviksi avoimien mallien joukossa useissa kehollisen päättelyn vertailuissa. Joillakin mittareilla mallin väitetään olevan verrattavissa johtaviin suljettuihin malleihin. 18
21
26
Tämä ei kuitenkaan tarkoita yleispätevää paremmuusjärjestystä. Annetut lähteet eivät tarjoa riittävästi riippumattomasti todennettavaa näyttöä suorasta vertailusta malliin nimeltä ”GPT-6 Astra”, joten tällaista johtopäätöstä ei voi pitää vahvistettuna.
Mitä demot kertovat – ja mitä eivät?
Esittelyissä käytettiin Unitreen G1-laitteistoa pöytätason ja koko kehon tehtävissä. Mainittu 64 tehtävän kokonaisuus jakautui 54 pöytätehtävään ja 10 liikkuvaan koko kehon tehtävään. 24
32
Laajuus on informatiivisempi kuin yhden tarkasti lavastetun robottitaidon esittely: se pyrkii näyttämään yhden malliversion toimivan eri tehtäväperheissä. Silti kyseessä on yhtiön raportoima arviointijoukko. Pelkkä se ei osoita, että robotti toimisi luotettavasti rajoittamattomissa kodeissa, tehtaissa tai julkisissa tiloissa.
Onko UnifoLM-WLA-1.0 jo ladattavissa avoimena lähdekoodina?
Julkaisun saatavuudesta on lähdeaineistossa ristiriitaisia kuvauksia. Useissa 10.–15. syyskuuta julkaistuissa raporteissa UnifoLM-WLA-1.0:aa kuvataan täysin avoimeksi julkaistuksi tai kerrotaan koodin, mallien ja aineistojen olevan saatavilla tai tulossa saataville. 20
21
26
27 Unitreehen liitetyssä Hugging Face -kokoelmassa on myös lueteltu UnifoLM-WLA-aineisto.
30
Toinen raportti taas kuvasi koodin ja aineiston tilaksi ”tulossa pian”. 24 Ristiriidan vuoksi ei ole turvallista väittää, että kaikki osat – täydellinen koulutuskoodi, kaikki mallipainot ja kaikki aineistot – olisivat varmasti olleet ladattavissa ja käyttövalmiita julkistushetkellä.
Käytännön johtopäätös on yksinkertainen: ennen käyttöönottoa kannattaa tarkistaa virallisista repositorioista ja mallipalveluista, mitä artefakteja on todella saatavilla, millä lisensseillä ja millä pääsyehdoilla. Julkistus on merkittävä mallin ja tutkimussuunnan kannalta, mutta käyttövalmis avoimen lähdekoodin paketti on arvioitava sen perusteella, mitä todella voi ladata ja käyttää.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Unitreen UnifoLM-WLA-1.0: mitä 6 miljardin parametrin robottimalli käytännössä tarkoittaa"?
Unitree julkisti 10. syyskuuta UnifoLM WLA 1.0:n: 6 miljardin parametrin näkö–kieli–toiminta mallin, joka on koulutettu noin 2 500 tunnin oikealla robottidatalla ja jonka yhtiö kertoo hoitavan 64 tehtävää yhdellä mall...
What are the key points to validate first?
Unitree julkisti 10. syyskuuta UnifoLM WLA 1.0:n: 6 miljardin parametrin näkö–kieli–toiminta mallin, joka on koulutettu noin 2 500 tunnin oikealla robottidatalla ja jonka yhtiö kertoo hoitavan 64 tehtävää yhdellä mall... Tehtävistä 54 oli pöytätason käsittelyä ja 10 liikkuvaa koko kehon manipulointia.
What should I do next in practice?
Yhtiön mukaan arkkitehtuuri yhdistää vuorovaikutuskeskeisen maailmanmallinnuksen, kehollisen päättelyn, tulevien dynaamisten alueiden ennustamisen ja erillisten toimintojen oppimisen.