UnifoLM-WLA-1.0: Delene er tilgjengelige, men hele robotmodellen mangler

Unitree omtaler UnifoLM-WLA-1.0 som en modell som skal koble sammen forståelse av omgivelsene, forventninger om hva som vil endre seg, og bevegelser i hele robotkroppen. For dem som vil prøve systemet selv, er skillet mellom annonserte resultater og tilgjengelige filer avgjørende: Selskapet har sluppet viktige komponenter, men utgivelsesoversiktene i de oppgitte kildene dokumenterer ikke at den komplette styringsmodellen på rundt 6 milliarder parametere er offentlig tilgjengelig.5813

Hva kan lastes ned – og hva mangler?

Unitree har sluppet modellvekter for UnifoLM-ER-1, en komponent for robotens visuelle og romlige resonnering med rundt 4 milliarder parametere, og for UnifoLM-ER-Flow, som også representerer forventede endringer og handlinger. En gjennomgang av prosjektets utgivelsesliste 16. september markerte dessuten UniBot-V1 Challenge Dataset som sluppet.817

På samme liste sto vektene til UnifoLM-WLA-Base, kode for ettertrening, Unitree-WBT-Dataset og Unitree-Manipulation-Dataset fortsatt som kommende. Omtale fra 20. september beskrev også hele modellens vekter, koden og de resterende datasettene som planlagte utgivelser. De tilgjengelige komponentene er dermed ikke det samme som å kunne laste ned den komplette modellen for styring av robotens bevegelser.81320

Hvordan skal én modell dekke 64 oppgaver?

Unitree oppgir at WLA-systemet er trent på omtrent 2 500 timer med data fra fysiske roboter. Ifølge selskapet dekker én modell 64 oppgaver: 54 ved et bord og 10 som involverer hele kroppen eller at roboten beveger seg mens den håndterer gjenstander. Evalueringen omfatter tohåndsgrep med to fingre og flere typer fingerferdige hender med fem fingre. Det beskriver hvilke oppgaver og robotdeler Unitree har brukt – ikke at modellen uten videre fungerer på enhver robot.5613

Delene har ulike roller. ER-1-4B tolker blant annet visuelle og romlige forhold. ER-Flow legger til representasjoner av hva som kan endre seg i scenen, og av mulige handlinger. I det planlagte WLA-systemet skal en handlingskomponent deretter generere bevegelser, slik at en instruksjon og det roboten ser, kan omsettes til koordinert styring av hånd, arm og kropp.81730

For å samordne bevegelsene beskriver Unitree en metode som gjør kontinuerlige bevegelser for gripeverktøy, håndledd og fingre samt underkropp om til diskrete handlingstoken. Disse knyttes til felles tidspunkter. Målet er å representere både hva roboten forventer å endre, og når de ulike delene skal bevege seg. Metoden forklarer hvordan systemet er bygget opp, men viser ikke alene hvordan roboten takler uventede hendelser.1822

Hva beviser testresultatene?

Unitree rapporterer at ER-1-4B gjorde det best blant de sammenlignede åpne modellene i sju av 16 referansetester for multimodal persepsjon og forståelse. Dette er tester av resonneringskomponenten, ikke sju mål på hvor ofte den komplette WLA-modellen lykkes med robotoppgaver. Resultatene sier heller ikke i seg selv noe om sikkerhet eller driftssikkerhet over tid.1318

De 64 oppgavene viser bredden i Unitrees rapporterte evaluering, men de oppgitte kildene dokumenterer ikke at uavhengige miljøer har gjenskapt ytelsen på fysiske roboter. Når hele styringsmodellens vekter og koden for ettertrening fortsatt mangler i utgivelsesoversiktene, blir også muligheten til å kontrollere påstandene begrenset. Før man kan trekke sterke konklusjoner om pålitelig bruk eller overføring til roboter fra andre produsenter, trengs en mer komplett utgivelse, åpne beskrivelser av testmetodene og uavhengige forsøk med ulike robotkropper, sensorer og hender.81322