AnswersPublished23 sources
Unitree UnifoLM-WLA-1.0: Satu Model untuk 64 Tugas Robot Humanoid
Pada 10 September, Unitree mengumumkan UnifoLM WLA 1.0, model visi bahasa tindakan (VLA) humanoid 6B yang dilatih menggunakan kira kira 2,500 jam data robot sebenar untuk mengendalikan 64 tugas meja dan seluruh badan. Unitree menyatakan model ini direka untuk menggeneralisasi antara tugas serta jenis end effector, t...
Diterbitkan olehDisunting dengan GPT-5.6 TerraImej dijana dengan GPT Image 2
Research answer
Key takeaways
- Pada 10 September, Unitree mengumumkan UnifoLM WLA 1.0, model visi bahasa tindakan (VLA) humanoid 6B yang dilatih menggunakan kira kira 2,500 jam data robot sebenar untuk mengendalikan 64 tugas meja dan seluruh badan.
- Unitree menyatakan model ini direka untuk menggeneralisasi antara tugas serta jenis end effector, termasuk penggenggam selari dua jari dan beberapa konfigurasi tangan tangkas lima jari.
- Seni bina yang dilaporkan menggabungkan pemodelan dunia berpusatkan interaksi, penaakulan berjasad, ramalan kawasan dinamik masa depan, pembelajaran tindakan diskret dan pakar tindakan berasaskan MMDiT.
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 pada 10 September memperkenalkan UnifoLM-WLA-1.0 sebagai model asas serba guna untuk manipulasi robot humanoid, bukannya polisi yang ditala untuk satu tugasan sahaja. Dakwaan utamanya: satu model visi-bahasa-tindakan (vision-language-action, VLA) dengan 6 bilion parameter boleh mengurus kerja halus di atas meja serta manipulasi bergerak yang melibatkan koordinasi seluruh badan. 18
19
26
Pendedahan utama: 6B parameter, 2,500 jam data, 64 tugas
Menurut Unitree, UnifoLM-WLA-1.0 mempunyai 6 bilion parameter dan dilatih menggunakan kira-kira 2,500 jam data robot sebenar berkualiti tinggi. Dalam penilaian robot sebenar, syarikat itu berkata satu model yang sama mengendalikan 64 tugas: 54 tugasan di atas meja dan 10 tugasan manipulasi mudah alih seluruh badan. 23
24
26
Perkara ini penting kerana kedua-dua kategori biasanya memerlukan kawalan yang berbeza. Manipulasi di atas meja menuntut pergerakan tangan atau penggenggam yang tepat, manakala tugasan bergerak seluruh badan memerlukan robot menyelaras pergerakan dengan aktiviti memanipulasi objek. Matlamat Unitree adalah untuk meliputi kedua-duanya melalui model bersama, bukannya membina polisi berasingan bagi setiap tugasan. 19
22
28
Dakwaan keserasian perkakasan dan generalisasi
Unitree menyatakan sistem ini menyokong generalisasi merentas tugas dan merentas end-effector—iaitu komponen di hujung lengan robot yang berinteraksi dengan objek. Laporan mengenai pelancaran itu menyebut keserasian dengan penggenggam selari dua jari serta lebih daripada satu konfigurasi tangan tangkas lima jari. 22
24
32
Namun, ini ialah keupayaan yang dilaporkan oleh syarikat, bukannya pensijilan bebas bahawa prestasinya akan sama pada setiap tetapan robot. Walaupun begitu, arah produknya jelas: memindahkan tingkah laku yang dipelajari antara jenis tugas dan perkakasan manipulasi, tanpa perlu melatih semula polisi khusus bagi setiap gabungan. 22
27
Bagaimana Unitree menerangkan seni binanya
Kerangka teknikal yang didedahkan ialah pemodelan dunia berpusatkan interaksi. Secara ringkas, model itu direka untuk menghubungkan pemahaman visual dan bahasa dengan jangkaan tentang interaksi fizikal, sebelum menjana tindakan robot.
Unitree serta laporan berkaitan menggariskan tiga fungsi dalam satu saluran multimodal:
Penerangan yang dilaporkan menamakan UnifoLM-ER-Flow sebagai tulang belakang multimodal dan pakar tindakan berasaskan MMDiT untuk menghasilkan tindakan. 22
23
24
Bahan sumber yang diberikan tidak mengesahkan secara bebas setiap perincian pelaksanaan aras rendah yang kadangkala dikaitkan dengan pelancaran ini—contohnya reka bentuk tokenisasi aliran optik atau VQ-VAE tertentu, kuantisasi vektor baki, atau resipi latihan tepat bagi setiap modul. Justeru, butiran tersebut wajar dianggap belum disahkan sehingga bahan teknikal utama projek menerangkannya dengan jelas.
Penanda aras: dakwaan yang menarik, tetapi masih keputusan vendor
Unitree menyatakan sistem penaakulan berjasadnya dinilai pada 16 penanda aras persepsi dan pemahaman multimodal. Halaman projek menyenaraikan RoboVQA, Ego-Plan2, RefSpatial-Bench, Where2Place, Pixmo-Point, BLINK, CV-Bench, EmbSpatial, RoboSpatial, SAT, VSI-Bench, VSR, ERQA, RealWorld QA, MME dan MMMU_VAL. 31
Syarikat itu dan laporan semasa menggambarkan keputusan tersebut sebagai mendahului model terbuka dalam beberapa penanda aras penaakulan berjasad dan, bagi sesetengah ukuran, setanding dengan model proprietari terkemuka. 18
21
26
Kenyataan ini bukanlah bukti kedudukan menyeluruh merentas semua model dan semua keadaan. Sumber yang dibekalkan juga tidak mempunyai bukti yang boleh disahkan secara bebas untuk menyokong kesimpulan prestasi langsung berbanding model bernama “GPT-6 Astra”; maka perbandingan itu tidak boleh dianggap telah terbukti.
Apa yang diperlihatkan demonstrasi—dan hadnya
Skop demonstrasi termasuk perkakasan Unitree G1 yang menjalankan tugasan meja dan tugasan seluruh badan, dengan pecahan 64 tugas merentas dua kategori tersebut. 24
32
Ini lebih bermaklumat daripada demonstrasi robot satu kemahiran yang dipentaskan, kerana ia cuba menunjukkan satu titik semak model beroperasi merentasi beberapa keluarga tugasan. Namun, ia masih merupakan set penilaian yang dilaporkan vendor. Ia belum dengan sendirinya membuktikan bahawa robot boleh beroperasi secara teguh dalam rumah, kilang atau ruang awam yang tidak terkawal.
Adakah UnifoLM-WLA-1.0 benar-benar boleh dimuat turun dan sumber terbuka?
Bahasa mengenai ketersediaan pelancaran ini tidak sepenuhnya konsisten dalam bahan yang dibekalkan. Beberapa laporan bertarikh 10 hingga 15 September menyifatkan UnifoLM-WLA-1.0 sebagai dibuka sepenuhnya, atau menyatakan kod, model dan set data telah atau akan disediakan. 20
21
26
27 Koleksi Hugging Face yang dikaitkan dengan Unitree turut menyenaraikan set data UnifoLM-WLA.
30
Pada masa yang sama, satu laporan lain menyatakan kod dan set data sebagai “akan datang”. 24 Percanggahan ini bermaksud tidak selamat untuk mendakwa bahawa setiap komponen—kod latihan penuh, semua pemberat model dan semua set data—sememangnya boleh dimuat turun serta terus digunakan ketika pendedahan dibuat.
Kesimpulan praktikalnya: semak artifak sebenar yang tersedia, lesen dan pautan akses sebelum merancang penggunaan. Pengumuman ini signifikan sebagai model dan hala tuju penyelidikan; pakej sumber terbuka yang benar-benar boleh digunakan pula perlu dinilai berdasarkan apa yang benar-benar dapat dicapai dalam repositori rasmi dan hab modelnya.
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 "Unitree UnifoLM-WLA-1.0: Satu Model untuk 64 Tugas Robot Humanoid"?
Pada 10 September, Unitree mengumumkan UnifoLM WLA 1.0, model visi bahasa tindakan (VLA) humanoid 6B yang dilatih menggunakan kira kira 2,500 jam data robot sebenar untuk mengendalikan 64 tugas meja dan seluruh badan.
What are the key points to validate first?
Pada 10 September, Unitree mengumumkan UnifoLM WLA 1.0, model visi bahasa tindakan (VLA) humanoid 6B yang dilatih menggunakan kira kira 2,500 jam data robot sebenar untuk mengendalikan 64 tugas meja dan seluruh badan. Unitree menyatakan model ini direka untuk menggeneralisasi antara tugas serta jenis end effector, termasuk penggenggam selari dua jari dan beberapa konfigurasi tangan tangkas lima jari.
What should I do next in practice?
Seni bina yang dilaporkan menggabungkan pemodelan dunia berpusatkan interaksi, penaakulan berjasad, ramalan kawasan dinamik masa depan, pembelajaran tindakan diskret dan pakar tindakan berasaskan MMDiT.