UnifoLM-X2-1.0: Unitree pokazuje autonomiczny sparing humanoidów oparty na modelu świata

Unitree Robotics twierdzi, że system UnifoLM-X2-1.0 pozwala humanoidalnym robotom sparować autonomicznie i w czasie rzeczywistym. Na pokazie firmy roboty zadawały ciosy i kopnięcia oraz reagowały na ruch przeciwnika bez zdalnego sterowania przez człowieka i bez wcześniej rozpisanej choreografii. Unitree przedstawia to jako pierwszą na świecie w pełni autonomiczną zdolność humanoidalnego robota do walki, napędzaną działającym w czasie rzeczywistym „modelem świata”.

To jednak bardzo ambitna deklaracja, którą należy traktować jako komunikat firmy i demonstrację jej technologii — nie jako dowód, że humanoidy są już gotowe do niezawodnej pracy w dowolnym, nieprzewidywalnym otoczeniu. Publicznie dostępne materiały nie zawierają niezależnych benchmarków dotyczących opóźnień, awaryjności, odporności systemu, zabezpieczeń ani wyników poza pokazanym scenariuszem.

Co według Unitree potrafi UnifoLM-X2-1.0

Nie chodzi wyłącznie o wykonanie zaprogramowanego, efektownego ruchu. Według Unitree system łączy przewidywanie i działanie w trakcie szybko zmieniającej się interakcji fizycznej.

W tym ujęciu model świata jest wewnętrzną, predykcyjną reprezentacją robota i jego otoczenia. Na podstawie obserwacji wizualnych oraz bieżącego rozwoju sytuacji ma on przewidywać, co wydarzy się za chwilę — na przykład, gdzie przesunie się ciało przeciwnika, jak rozwinie się cios lub jaki będzie skutek kontaktu — a następnie na bieżąco planować i wykonywać odpowiedź.

W sparingu oznaczałoby to ciągłe powtarzanie czterech etapów:

1. Obserwacja: interpretowanie sceny, pozycji i ruchu drugiego robota.
2. Predykcja: szacowanie najbardziej prawdopodobnego najbliższego stanu oraz przebiegu interakcji fizycznej.
3. Decyzja: wybór reakcji, np. zmiany pozycji, bloku, uniku albo ataku.
4. Wykonanie: przełożenie decyzji na ruch robota odpowiednio szybko, by miał znaczenie podczas dynamicznej wymiany.

Firma twierdzi, że X2-1.0 realizuje tę pętlę w czasie rzeczywistym, zamiast odtwarzać z góry ustalony scenariusz walki.

Dlaczego przewidywanie w czasie rzeczywistym ma znaczenie

Występ oparty na zaprogramowanej sekwencji może wyglądać imponująco, ale zakłada, że wszystko potoczy się zgodnie z planem. Sparing jest trudniejszym sprawdzianem: rytm, dystans, kontakt i równowaga zmieniają się z chwili na chwilę.

Unitree przekonuje, że UnifoLM-X2-1.0 przełamuje ograniczenia związane z natychmiastowym planowaniem, podejmowaniem decyzji i wykonaniem ruchu w dynamicznej interakcji. W praktyce miałoby to oznaczać, że robot dostosowuje zachowanie do przewidywanego rozwoju sytuacji, a nie reaguje dopiero po fakcie.

Sama zapowiedź nie rozstrzyga jednak, na ile metoda uogólnia się poza pokazem. Nawet przekonujące nagranie nie odpowiada na kluczowe pytania wdrożeniowe: jak często system źle przewiduje zdarzenia, czy bezpiecznie odzyskuje równowagę po nieoczekiwanym kontakcie, jak działa przy błędach czujników oraz czy utrzymuje skuteczność w różnych miejscach, przy różnych partnerach i przez dłuższy czas.

Związek z UnifoLM-WMA-0

X2-1.0 rozwija wcześniejszą pracę Unitree nad UnifoLM-WMA-0 — otwartoźródłową architekturą world-model–action, czyli „model świata–działanie”, przeznaczoną do uczenia robotów ogólnego zastosowania. We wrześniu 2025 r. firma udostępniła kod treningowy i inferencyjny oraz wagi modelu WMA-0.

Z dokumentacji projektu wynika, że WMA-0 ma działać z różnymi typami robotów i koncentruje się na modelu świata uczącym się fizycznych interakcji robota z otoczeniem. Unitree wskazuje dwa zastosowania:

• Symulacja: generowanie interaktywnej informacji zwrotnej ze środowiska i danych syntetycznych do uczenia robotów.
• Ulepszanie polityki sterowania: połączenie predykcyjnego modelowania świata z modułem decydującym o działaniu, aby przewidywane skutki interakcji pomagały wybrać kolejną akcję.

UnifoLM-X2-1.0 jest prezentowany jako bardziej bezpośrednie, nastawione na praktyczne użycie rozwinięcie tego podejścia: przewidywanie przyszłego stanu interakcji fizycznej ma sterować rzeczywistym ruchem robota w danej chwili. Dostępne publicznie informacje nie pozwalają jednak niezależnie ocenić, czym dokładnie X2-1.0 różni się architektonicznie od WMA-0 ani jaka część osiągów wynika z samego modelu, układów sterowania sprzętem, danych treningowych lub dostrojenia do konkretnego zadania.

Firma rośnie szybko, ale rynek wciąż jest na wczesnym etapie

Demonstracja pojawia się w momencie, gdy Unitree należy do najbardziej rozpoznawalnych chińskich producentów humanoidów. Firmę założył w Hangzhou w 2016 r. Wang Xingxing. Najpierw zasłynęła stosunkowo tanimi robotami czworonożnymi, a później rozszerzyła ofertę o humanoidy H1, G1 i R1. 17

Unitree podało, że do lipca 2026 r. łącznie wyprodukowało około 18 000 dwunożnych humanoidów. Jest to liczba deklarowana przez firmę i dotyczy produkcji, a niekoniecznie potwierdzonych wdrożeń u końcowych użytkowników.

Model G1 pomógł obniżyć barierę wejścia dla laboratoriów badawczych: początkowo kosztował około 16 000 dolarów. Późniejsze doniesienia mówiły o cenie 13 500 dolarów, co pokazuje, że zależy ona od okresu i konfiguracji.

Warto też odróżnić spektakularne demonstracje od faktycznego wykorzystania w przemyśle. Według danych z prospektu Unitree, opisywanych przez media branżowe, 73,6% przychodów z humanoidów w pierwszych trzech kwartałach 2025 r. pochodziło od uczelni i instytucji badawczych, a około 9% — z zastosowań przemysłowych. Sugeruje to, że popyt nadal koncentruje się na badaniach, edukacji, rozwoju technologii i pokazach, a nie na dojrzałym wykorzystaniu na masową skalę w fabrykach.

Głośne IPO nie jest dowodem gotowości technologii

Debiut Unitree na szanghajskim rynku STAR Market 19 sierpnia 2026 r. pokazał ogromne zainteresowanie inwestorów robotyką humanoidalną. Firma pozyskała w IPO około 6,1 mld juanów, czyli około 904 mln dolarów, a popyt inwestorów detalicznych przekroczył liczbę dostępnych akcji ponad 8 000 razy. 417

Według Reutersa kurs akcji przejściowo wzrósł na początku notowań o około 629%, by zakończyć sesję 460% powyżej ceny emisyjnej. 313 Te liczby mierzą entuzjazm rynku, a nie przesądzają o tym, czy autonomiczne humanoidy potrafią już pracować bezpiecznie i opłacalnie na szeroką skalę.

Sam Wang przedstawia ostrożniejszy harmonogram. Ocenił, że „moment ChatGPT” dla ucieleśnionej sztucznej inteligencji może nadejść w optymistycznym wariancie za dwa–trzy lata, a przy wolniejszym postępie za pięć–dziesięć lat. Za taki przełom uznałby robota, który po wejściu do nieznanego domu potrafi wykonać około 80% zadań wyłącznie na podstawie poleceń tekstowych lub głosowych. 1820

Najważniejszy wniosek

Pokaz UnifoLM-X2-1.0 jest interesujący, ponieważ przesuwa akcent z pojedynczych ruchów lokomocyjnych lub zaprogramowanych występów na predykcyjną, zamkniętą pętlę interakcji. Unitree twierdzi, że roboty potrafią przewidywać fizyczny rozwój sytuacji, wybierać kolejne działanie i wykonywać je podczas sparingu bez zdalnego sterowania.

Mocniejsze wnioski wymagają jednak dowodów wykraczających poza demonstrację: powtarzalnych testów, szerszej dokumentacji technicznej, niezależnych benchmarków, danych bezpieczeństwa i potwierdzenia działania w różnorodnych zadaniach poza kontrolowanym scenariuszem. Na dziś X2-1.0 należy traktować jako efektowną deklarację firmy i sygnał kierunku rozwoju robotyki opartej na modelach świata — nie jako zweryfikowany dowód na uniwersalną autonomię humanoidów.