AnswersPublished23 sources
Unitree UnifoLM-WLA-1.0: jeden model ma obsłużyć 64 zadań humanoida
10 września Unitree przedstawiło UnifoLM WLA 1.0 — humanoidalny model vision language action (VLA) o 6 mld parametrów, trenowany na około 2500 godzinach danych z prawdziwych robotów. Według firmy jeden model wykonał 64 zadania na rzeczywistych robotach: 54 z zakresu manipulacji przy stole i 10 wymagających mobilnej...
Opublikowane przezEdytowane za pomocą GPT-5.6 TerraObrazy wygenerowane za pomocą GPT Image 2
Research answer
Key takeaways
- 10 września Unitree przedstawiło UnifoLM WLA 1.0 — humanoidalny model vision language action (VLA) o 6 mld parametrów, trenowany na około 2500 godzinach danych z prawdziwych robotów.
- Według firmy jeden model wykonał 64 zadania na rzeczywistych robotach: 54 z zakresu manipulacji przy stole i 10 wymagających mobilnej pracy całym ciałem.
- System ma przenosić wyuczone zachowania między zadaniami i różnymi chwytakami, ale deklaracje dotyczące wyników oraz dostępności pakietu open source wymagają weryfikacji w oficjalnych repozytoriach.
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 ogłosiło 10 września UnifoLM-WLA-1.0 jako uniwersalny model bazowy dla humanoidalnych robotów manipulacyjnych. Zamiast osobnej polityki sterowania dla każdej czynności firma proponuje pojedynczy model typu vision-language-action (VLA) — łączący obraz, polecenia językowe i generowanie ruchu — do precyzyjnych zadań przy blacie oraz mobilnej manipulacji z użyciem całego ciała. 18
19
26
Najważniejsze liczby: 6 mld parametrów, 2500 godzin danych, 64 zadania
Według Unitree UnifoLM-WLA-1.0 ma 6 mld parametrów i był trenowany na około 2500 godzinach wysokiej jakości danych z prawdziwych robotów. W testach na rzeczywistych robotach pojedynczy model miał obsłużyć 64 zadania: 54 zadania wykonywane przy stole oraz 10 zadań mobilnej manipulacji całym ciałem. 23
24
26
To istotne rozróżnienie. Manipulacja przy stole wymaga dokładnego prowadzenia dłoni lub chwytaka, natomiast robot poruszający się i jednocześnie wykonujący czynność musi skoordynować lokomocję z manipulacją. Celem Unitree jest objęcie obu typów zachowań wspólnym modelem, a nie budowanie oddzielnych polityk dla każdej pojedynczej czynności. 19
22
28
Zgodność ze sprzętem i deklarowana generalizacja
Firma deklaruje generalizację między zadaniami oraz różnymi efektorami końcowymi, czyli narzędziami wykonującymi ruch — na przykład chwytakami i dłońmi robota. Opisy premiery wskazują na obsługę równoległych chwytaków dwupalczastych oraz więcej niż jednej konfiguracji pięciopalczastych dłoni zręcznych. 22
24
32
Nie jest to niezależna certyfikacja działania we wszystkich konfiguracjach robotów. Kierunek projektu jest jednak czytelny: wyuczone zachowanie ma dać się przenosić między rodzajami zadań i osprzętem manipulacyjnym bez osobnego treningu polityki dla każdej kombinacji. 22
27
Jak Unitree opisuje architekturę
W ujawnionym opisie technicznym kluczowe jest modelowanie świata skoncentrowane na interakcji. Model ma łączyć rozumienie obrazu i języka z przewidywaniem fizycznej interakcji oraz generowaniem działań. Unitree i relacje z ogłoszenia opisują zunifikowany, multimodalny potok obejmujący trzy funkcje:
- rozumowanie ucieleśnione;
- przewidywanie przyszłych regionów dynamicznych;
- uczenie dyskretnych działań.
18
23
Według dostępnych opisów multimodalnym rdzeniem jest UnifoLM-ER-Flow, a za generowanie działań odpowiada ekspert akcji oparty na MMDiT. 22
23
24
Przedstawione materiały nie pozwalają niezależnie potwierdzić każdego niższego poziomu implementacji, który bywa łączony z premierą — na przykład konkretnego użycia przepływu optycznego, tokenizacji VQ-VAE, rezydualnej kwantyzacji wektorowej czy szczegółowego przepisu treningowego dla poszczególnych modułów. Bez potwierdzenia w pierwotnej dokumentacji technicznej należy traktować te elementy jako niezweryfikowane.
Benchmarki: obiecujące, lecz są to wyniki producenta
Unitree podaje, że system rozumowania ucieleśnionego oceniono w 16 benchmarkach multimodalnej percepcji i rozumienia. Strona projektu wymienia m.in. RoboVQA, Ego-Plan2, RefSpatial-Bench, Where2Place, Pixmo-Point, BLINK, CV-Bench, EmbSpatial, RoboSpatial, SAT, VSI-Bench, VSR, ERQA, RealWorld QA, MME i MMMU_VAL. 31
Firma oraz współczesne relacje charakteryzują rezultaty jako czołowe wśród modeli otwartych w wielu testach rozumowania ucieleśnionego; na części miar mają być porównywalne z wiodącymi modelami zamkniętymi. 18
21
26
Nie oznacza to jednak uniwersalnego rankingu wszystkich modeli i wszystkich zastosowań. Dostarczone źródła nie zawierają wystarczających, niezależnie weryfikowalnych danych, by uznać bezpośrednie porównanie z modelem nazwanym „GPT-6 Astra” za ustalony fakt.
Co pokazują demonstracje — i czego nie dowodzą
Demonstracje obejmowały sprzęt Unitree G1 wykonujący zarówno zadania przy biurku, jak i zadania angażujące całe ciało. W deklarowanym zestawie 64 zadań znalazły się oba te rodzaje pracy. 24
32
To bardziej miarodajne niż efektowny pokaz jednej, wąsko dobranej umiejętności, ponieważ ma prezentować działanie tego samego checkpointu w różnych rodzinach zadań. Nadal jest to jednak zestaw testów raportowany przez producenta. Sam w sobie nie dowodzi niezawodnej pracy robota w nieograniczonych, zmiennych warunkach domu, fabryki czy przestrzeni publicznej.
Czy UnifoLM-WLA-1.0 można już w pełni pobrać jako open source?
Informacje o dostępności wydania są niespójne. Kilka publikacji z okresu 10–15 września opisuje UnifoLM-WLA-1.0 jako projekt w pełni otwarty albo podaje, że kod, modele i zbiory danych zostały lub miały zostać udostępnione. 20
21
26
27 Kolekcja powiązana z Unitree na Hugging Face zawiera również zbiór danych UnifoLM-WLA.
30
Jednocześnie inne źródło opisywało kod i zestaw danych jako pozycje „wkrótce dostępne”. 24 Z powodu tej rozbieżności nie można bez zastrzeżeń twierdzić, że w chwili ujawnienia wszystkie elementy — pełny kod treningowy, komplet wag modelu i wszystkie dane — były gotowe do pobrania oraz uruchomienia.
W praktyce przed planowaniem wdrożenia warto sprawdzić konkretne artefakty, licencje i linki dostępu w oficjalnych repozytoriach oraz hubach modeli. Ogłoszenie jest znaczące jako zapowiedź modelu i kierunku badań; użyteczność pakietu open source należy oceniać na podstawie tego, co faktycznie udostępniono.
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: jeden model ma obsłużyć 64 zadań humanoida"?
10 września Unitree przedstawiło UnifoLM WLA 1.0 — humanoidalny model vision language action (VLA) o 6 mld parametrów, trenowany na około 2500 godzinach danych z prawdziwych robotów.
What are the key points to validate first?
10 września Unitree przedstawiło UnifoLM WLA 1.0 — humanoidalny model vision language action (VLA) o 6 mld parametrów, trenowany na około 2500 godzinach danych z prawdziwych robotów. Według firmy jeden model wykonał 64 zadania na rzeczywistych robotach: 54 z zakresu manipulacji przy stole i 10 wymagających mobilnej pracy całym ciałem.
What should I do next in practice?
System ma przenosić wyuczone zachowania między zadaniami i różnymi chwytakami, ale deklaracje dotyczące wyników oraz dostępności pakietu open source wymagają weryfikacji w oficjalnych repozytoriach.