RespostasPublicado23 fontes
Unitree diz que um único modelo pode executar 64 tarefas de robôs humanoides
A Unitree anunciou em 10 de setembro o UnifoLM WLA 1.0, um modelo VLA de 6 bilhões de parâmetros treinado com cerca de 2.500 horas de dados de robôs reais para lidar com 64 tarefas. Segundo a empresa, o mesmo modelo foi usado em 54 tarefas de mesa e 10 tarefas móveis de manipulação com o corpo inteiro, com promessa...
Publicado porEditado com GPT-5.6 TerraImagens geradas com GPT Image 2
Resposta de pesquisa
Principais conclusões
- A Unitree anunciou em 10 de setembro o UnifoLM WLA 1.0, um modelo VLA de 6 bilhões de parâmetros treinado com cerca de 2.500 horas de dados de robôs reais para lidar com 64 tarefas.
- Segundo a empresa, o mesmo modelo foi usado em 54 tarefas de mesa e 10 tarefas móveis de manipulação com o corpo inteiro, com promessa de generalização entre ferramentas finais.
- A arquitetura divulgada combina modelagem de mundo centrada na interação, raciocínio incorporado, previsão de regiões dinâmicas e aprendizado de ações discretas.
Prompt de IA
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
A apresentação da Unitree em 10 de setembro posicionou o UnifoLM-WLA-1.0 como um modelo-base de propósito geral para manipulação por robôs humanoides — e não apenas uma política de controle ajustada para uma atividade específica. A principal promessa é que um único modelo de visão, linguagem e ação (VLA, na sigla em inglês) com 6 bilhões de parâmetros consiga coordenar tanto trabalhos delicados sobre uma mesa quanto a manipulação móvel com o corpo inteiro. 18
19
26
Os números centrais: 6 bilhões de parâmetros, 2.500 horas e 64 tarefas
A Unitree informou que o UnifoLM-WLA-1.0 tem 6 bilhões de parâmetros e foi treinado com aproximadamente 2.500 horas de dados de alta qualidade coletados em robôs reais. Na avaliação em robôs físicos, a empresa afirma que um único modelo executou 64 tarefas: 54 tarefas de mesa e 10 tarefas de manipulação móvel de corpo inteiro. 23
24
26
Essa combinação é relevante porque os dois cenários normalmente exigem controles bastante diferentes. A manipulação sobre uma mesa depende de movimentos precisos das mãos ou pinças; já tarefas móveis de corpo inteiro exigem coordenação entre locomoção e manipulação. O objetivo declarado da Unitree é cobrir ambos com um modelo compartilhado, em vez de usar políticas separadas para cada tarefa. 19
22
28
Compatibilidade de hardware e promessa de generalização
A Unitree afirma que o sistema permite generalização entre tarefas e entre diferentes efetores finais — isto é, as peças que interagem diretamente com objetos, como pinças e mãos robóticas. Relatos sobre o lançamento descrevem compatibilidade com pinças paralelas de dois dedos e com mais de uma configuração de mão dexterosa de cinco dedos. 22
24
32
Essas são capacidades reportadas pela empresa, não uma certificação independente de desempenho em qualquer configuração de robô. Ainda assim, a direção do produto é clara: transferir comportamentos aprendidos entre tipos de tarefas e hardwares de manipulação, em vez de treinar uma política nova para cada combinação. 22
27
Como a Unitree descreve a arquitetura
O enquadramento técnico divulgado é o de uma modelagem de mundo centrada na interação. Em termos simples, o modelo busca conectar a compreensão visual e das instruções em linguagem natural à previsão de interações físicas e à geração de ações.
A Unitree e as reportagens sobre o anúncio descrevem um pipeline multimodal unificado com três funções:
- raciocínio incorporado;
- previsão de regiões dinâmicas futuras; e
- aprendizado de ações discretas.
18
23
As descrições publicadas apontam o UnifoLM-ER-Flow como backbone multimodal e um especialista de ações baseado em MMDiT para produzir os comandos do robô. 22
23
24
As evidências fornecidas não confirmam de forma independente todos os detalhes de implementação de baixo nível por vezes associados ao lançamento, como um desenho específico de fluxo óptico, tokenização por VQ-VAE, quantização vetorial residual ou a receita exata de treinamento de cada módulo. Esses pontos devem ser tratados como não verificados até que materiais técnicos primários do projeto os confirmem.
Benchmarks: resultados promissores, mas ainda resultados do fornecedor
A Unitree diz que seu sistema de raciocínio incorporado foi avaliado em 16 benchmarks multimodais de percepção e compreensão. A página do projeto lista conjuntos como RoboVQA, Ego-Plan2, RefSpatial-Bench, Where2Place, Pixmo-Point, BLINK, CV-Bench, EmbSpatial, RoboSpatial, SAT, VSI-Bench, VSR, ERQA, RealWorld QA, MME e MMMU_VAL. 31
A empresa e reportagens contemporâneas caracterizam os resultados como líderes entre modelos abertos em vários benchmarks de raciocínio incorporado e, em algumas métricas, comparáveis aos de modelos proprietários de ponta. 18
21
26
Isso não equivale a uma classificação universal. As fontes fornecidas não trazem evidências independentes suficientes para sustentar uma conclusão direta de desempenho contra um modelo chamado “GPT-6 Astra”; portanto, essa comparação não deve ser considerada estabelecida.
O que as demonstrações indicam — e o que elas não provam
O escopo demonstrado incluiu hardware G1 da Unitree em tarefas de mesa e de corpo inteiro, dentro da divisão de 64 tarefas entre as duas categorias. 24
32
Isso é mais informativo do que uma demonstração encenada de uma única habilidade, pois tenta mostrar o mesmo checkpoint operando em famílias distintas de tarefas. Mas continua sendo um conjunto de avaliação reportado pelo fornecedor. Por si só, não comprova funcionamento robusto em casas, fábricas ou espaços públicos sem restrições.
O UnifoLM-WLA-1.0 já pode ser baixado e usado como projeto open source?
A linguagem sobre disponibilidade é inconsistente nas fontes fornecidas. Diversas reportagens publicadas entre 10 e 15 de setembro descrevem o UnifoLM-WLA-1.0 como totalmente aberto ou afirmam que código, modelos e conjuntos de dados foram liberados — ou seriam disponibilizados. 20
21
26
27 Uma coleção da Unitree no Hugging Face também lista um conjunto de dados UnifoLM-WLA.
30
Por outro lado, outra reportagem descreveu o código e o conjunto de dados como “em breve”. 24 Esse conflito impede afirmar com segurança que todos os componentes — código completo de treinamento, todos os pesos do modelo e todos os dados — estivessem de fato disponíveis para download e prontos para execução no momento da divulgação.
Na prática, quem pretende testar ou implantar a tecnologia deve verificar os artefatos acessíveis, as licenças e os links oficiais. O anúncio é relevante como proposta de modelo e roteiro de pesquisa; já o pacote open source utilizável deve ser avaliado pelo que estiver realmente disponível nos repositórios e hubs oficiais.
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "Unitree diz que um único modelo pode executar 64 tarefas de robôs humanoides"?
A Unitree anunciou em 10 de setembro o UnifoLM WLA 1.0, um modelo VLA de 6 bilhões de parâmetros treinado com cerca de 2.500 horas de dados de robôs reais para lidar com 64 tarefas.
Quais são os pontos-chave para validar primeiro?
A Unitree anunciou em 10 de setembro o UnifoLM WLA 1.0, um modelo VLA de 6 bilhões de parâmetros treinado com cerca de 2.500 horas de dados de robôs reais para lidar com 64 tarefas. Segundo a empresa, o mesmo modelo foi usado em 54 tarefas de mesa e 10 tarefas móveis de manipulação com o corpo inteiro, com promessa de generalização entre ferramentas finais.
O que devo fazer a seguir na prática?
A arquitetura divulgada combina modelagem de mundo centrada na interação, raciocínio incorporado, previsão de regiões dinâmicas e aprendizado de ações discretas.