คำตอบเผยแพร่แล้ว23 แหล่งที่มา
Unitree เปิดตัว UnifoLM-WLA-1.0: โมเดลเดียวคุมงานหุ่นยนต์ฮิวแมนนอยด์ 64 แบบ
Unitree เปิดเผย UnifoLM WLA 1.0 เมื่อ 10 กันยายน 2026 โดยระบุว่าเป็นโมเดล VLA สำหรับหุ่นยนต์ฮิวแมนนอยด์ขนาด 6 พันล้านพารามิเตอร์ บริษัทระบุว่าโมเดลเดียวผ่านการทดสอบบนหุ่นยนต์จริง 64 งาน แบ่งเป็นงานบนโต๊ะ 54 งาน และงานเคลื่อนที่พร้อมจัดการวัตถุทั้งร่างกาย 10 งาน จากการฝึกด้วยข้อมูลหุ่นยนต์จริงราว 2,500 ชั่วโมง เป้าหม...
เผยแพร่โดยแก้ไขด้วย GPT-5.6 Terraรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย
ประเด็นสำคัญ
- Unitree เปิดเผย UnifoLM WLA 1.0 เมื่อ 10 กันยายน 2026 โดยระบุว่าเป็นโมเดล VLA สำหรับหุ่นยนต์ฮิวแมนนอยด์ขนาด 6 พันล้านพารามิเตอร์
- บริษัทระบุว่าโมเดลเดียวผ่านการทดสอบบนหุ่นยนต์จริง 64 งาน แบ่งเป็นงานบนโต๊ะ 54 งาน และงานเคลื่อนที่พร้อมจัดการวัตถุทั้งร่างกาย 10 งาน จากการฝึกด้วยข้อมูลหุ่นยนต์จริงราว 2,500 ชั่วโมง
- เป้าหมายสำคัญคือให้ความสามารถถ่ายโอนข้ามงานและอุปกรณ์ปลายแขนได้ แต่ตัวเลขประสิทธิภาพยังเป็นผลที่บริษัทประกาศ และสถานะการเปิดให้ดาวน์โหลดองค์ประกอบทั้งหมดมีข้อมูลขัดแย้งกัน
AI พรอมต์
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 เปิดเผย UnifoLM-WLA-1.0 เมื่อวันที่ 10 กันยายน ในฐานะโมเดลรากฐานสำหรับหุ่นยนต์ฮิวแมนนอยด์แบบ Vision-Language-Action (VLA) ขนาด 6 พันล้านพารามิเตอร์ โดย VLA คือโมเดลที่เชื่อมการมองเห็น การเข้าใจคำสั่งภาษา และการสร้างคำสั่งควบคุมการเคลื่อนไหวเข้าด้วยกัน เป้าหมายของบริษัทคือใช้โมเดลเดียวรับมือทั้งงานละเอียดบนโต๊ะและงานที่หุ่นยนต์ต้องเดิน เคลื่อนตัว และใช้ทั้งร่างกายเพื่อจัดการวัตถุ 18
19
26
ตัวเลขสำคัญ: 6B พารามิเตอร์ ข้อมูลจริง 2,500 ชั่วโมง และ 64 งาน
ตามข้อมูลของ Unitree โมเดลนี้ฝึกจากข้อมูลคุณภาพสูงที่เก็บจากหุ่นยนต์จริงราว 2,500 ชั่วโมง ในการประเมินบนหุ่นยนต์จริง บริษัทระบุว่าเช็กพอยต์เดียวทำงานได้ 64 งาน ได้แก่ งานหยิบจับหรือจัดการวัตถุบนโต๊ะ 54 งาน และงานเคลื่อนที่พร้อมจัดการวัตถุทั้งร่างกาย 10 งาน 23
24
26
จุดที่น่าสนใจไม่ใช่เพียงจำนวนงาน แต่คือการพยายามรวมพฤติกรรมควบคุมที่ต่างกันไว้ในโมเดลเดียว งานบนโต๊ะต้องอาศัยความแม่นยำของมือหรือคีมจับ ขณะที่งานเคลื่อนที่ทั้งร่างกายต้องประสานการทรงตัว การเคลื่อนที่ และการหยิบจับไปพร้อมกัน แนวทางของ Unitree คือหลีกเลี่ยงการสร้างนโยบายควบคุมแยกสำหรับทุกงานและทุกสถานการณ์ 19
22
28
รองรับมือและคีมจับหลายแบบ: สิ่งที่บริษัทอ้างเรื่องการถ่ายโอนความสามารถ
Unitree ระบุว่า UnifoLM-WLA-1.0 รองรับการทำงานข้ามงานและข้ามอุปกรณ์ปลายแขน (end effector) รายงานเกี่ยวกับการเปิดตัวกล่าวถึงการใช้งานกับคีมจับแบบสองนิ้วขนาน รวมถึงมือคล่องแคล่วแบบห้านิ้วมากกว่าหนึ่งรูปแบบ 22
24
32
ควรแยกให้ชัดว่า นี่คือความสามารถที่บริษัทประกาศ ไม่ใช่ใบรับรองอิสระว่าระบบจะทำงานได้ดีเท่ากันกับหุ่นยนต์และมือทุกรุ่น อย่างไรก็ดี ทิศทางของผลิตภัณฑ์ชัดเจน: นำพฤติกรรมที่เรียนรู้แล้วไปใช้กับงานหรือฮาร์ดแวร์ปลายแขนที่ต่างออกไป แทนการฝึกโมเดลใหม่แยกทุกชุดผสม 22
27
สถาปัตยกรรมที่เปิดเผย: ให้โมเดลเข้าใจ “ปฏิสัมพันธ์” ก่อนออกคำสั่ง
กรอบเทคนิคที่ Unitree อธิบายเรียกว่า interaction-centric world modeling หรือการสร้างแบบจำลองโลกโดยเน้นปฏิสัมพันธ์ระหว่างหุ่นยนต์กับสิ่งแวดล้อม กล่าวคือ โมเดลไม่ได้เพียงรับรู้ภาพและคำสั่ง แต่พยายามเชื่อมสิ่งที่เห็นและสิ่งที่เข้าใจเข้ากับการคาดการณ์การเปลี่ยนแปลงทางกายภาพและการสร้างการกระทำ
ตามคำอธิบายของบริษัทและรายงานที่ติดตามการเปิดตัว ระบบมัลติโหมดนี้รวม 3 ส่วนหลักไว้ด้วยกัน ได้แก่
- การให้เหตุผลแบบมีร่างกาย (embodied reasoning)
- การคาดการณ์บริเวณที่มีการเคลื่อนไหวในอนาคต
- การเรียนรู้การกระทำแบบไม่ต่อเนื่อง (discrete-action learning)
18
23
รายงานระบุว่าแกนหลักแบบมัลติโหมดคือ UnifoLM-ER-Flow และมีโมดูลผู้เชี่ยวชาญด้านการกระทำที่อิง MMDiT เพื่อสร้างคำสั่งควบคุม 22
23
24
อย่างไรก็ตาม หลักฐานที่ให้มายังไม่ยืนยันรายละเอียดระดับล่างทุกประเด็นที่มักถูกกล่าวถึงเกี่ยวกับระบบนี้ เช่น รูปแบบเฉพาะของ optical flow หรือการทำโทเคนด้วย VQ-VAE, residual vector quantization และสูตรการฝึกของแต่ละโมดูล ดังนั้นรายละเอียดเหล่านั้นควรรอการยืนยันจากเอกสารเทคนิคหลักของโครงการ
ผลเบนช์มาร์กดูน่าสนใจ แต่ยังเป็นผลที่ผู้พัฒนารายงาน
Unitree ระบุว่าระบบให้เหตุผลแบบมีร่างกายของตนได้รับการประเมินด้วยเบนช์มาร์กการรับรู้และความเข้าใจแบบมัลติโหมด 16 ชุด เช่น RoboVQA, Ego-Plan2, RefSpatial-Bench, Where2Place, Pixmo-Point, BLINK, CV-Bench, EmbSpatial, RoboSpatial, SAT, VSI-Bench, VSR, ERQA, RealWorld QA, MME และ MMMU_VAL 31
บริษัทและรายงานร่วมสมัยระบุว่าผลลัพธ์นำหน้าโมเดลโอเพนซอร์สหลายตัวในงาน embodied reasoning และในบางตัวชี้วัดมีความสามารถเทียบเคียงโมเดลปิดชั้นนำ 18
21
26
แต่ข้อความดังกล่าวไม่ใช่อันดับสากลที่ยืนยันได้ในทุกเงื่อนไข แหล่งข้อมูลชุดนี้ยังไม่มีหลักฐานที่ตรวจสอบอิสระได้มากพอสำหรับสรุปการเปรียบเทียบโดยตรงกับโมเดลชื่อ “GPT-6 Astra” จึงไม่ควรถือว่าข้อเปรียบเทียบนั้นเป็นข้อเท็จจริงที่ยืนยันแล้ว
เดโมบอกอะไรได้บ้าง และยังบอกอะไรไม่ได้
การสาธิตใช้ฮาร์ดแวร์ Unitree G1 ทำทั้งงานบนโต๊ะและงานที่ต้องเคลื่อนไหวทั้งร่างกาย โดยชุดประเมิน 64 งานแบ่งเป็นสองกลุ่มดังกล่าว 24
32
การแสดงให้เห็นว่าเช็กพอยต์เดียวทำงานข้ามกลุ่มงานได้ มีความหมายมากกว่าคลิปเดโมทักษะเดียวที่จัดฉากอย่างแคบ ๆ แต่ก็ยังเป็นชุดประเมินและผลรายงานจากผู้พัฒนาเอง จึงยังพิสูจน์ไม่ได้ว่าหุ่นยนต์จะทำงานได้ทนทานในบ้าน โรงงาน หรือพื้นที่สาธารณะที่ควบคุมเงื่อนไขได้น้อย
เปิดซอร์สและดาวน์โหลดได้ครบแล้วหรือยัง?
ข้อมูลเรื่องการเข้าถึงยังไม่สอดคล้องกัน รายงานหลายแห่งระหว่างวันที่ 10–15 กันยายนระบุว่า UnifoLM-WLA-1.0 เปิดซอร์สเต็มรูปแบบ หรือกล่าวว่าโค้ด โมเดล และชุดข้อมูลถูกเผยแพร่หรือจะเปิดให้เข้าถึง 20
21
26
27 นอกจากนี้ คอลเล็กชันบน Hugging Face ที่เกี่ยวข้องกับ Unitree ยังแสดงรายการชุดข้อมูล UnifoLM-WLA
30
แต่อีกรายงานหนึ่งระบุว่าโค้ดและชุดข้อมูลอยู่ในสถานะ “coming soon” 24 ความขัดแย้งนี้ทำให้ยังไม่ปลอดภัยที่จะสรุปว่า ณ เวลาที่มีการเปิดเผยนั้น ทุกองค์ประกอบ—ทั้งโค้ดสำหรับฝึก น้ำหนักโมเดลเต็ม และชุดข้อมูลทั้งหมด—ดาวน์โหลดและนำไปรันได้ครบถ้วนแล้ว
ข้อสรุปเชิงปฏิบัติคือ ผู้ที่ต้องการทดลองหรือวางแผนนำไปใช้งานควรตรวจสอบไฟล์ที่เปิดจริง ใบอนุญาต และลิงก์เข้าถึงในคลังทางการและโมเดลฮับก่อนเสมอ การประกาศครั้งนี้มีนัยสำคัญในฐานะแผนงานด้านโมเดลและงานวิจัย แต่ความพร้อมของแพ็กเกจโอเพนซอร์สต้องวัดจากสิ่งที่เข้าถึงได้จริง
Studio Global AI
ทำการวิจัยต่อ
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
คนยังถาม
คำตอบสั้น ๆ สำหรับ "Unitree เปิดตัว UnifoLM-WLA-1.0: โมเดลเดียวคุมงานหุ่นยนต์ฮิวแมนนอยด์ 64 แบบ" คืออะไร
Unitree เปิดเผย UnifoLM WLA 1.0 เมื่อ 10 กันยายน 2026 โดยระบุว่าเป็นโมเดล VLA สำหรับหุ่นยนต์ฮิวแมนนอยด์ขนาด 6 พันล้านพารามิเตอร์
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
Unitree เปิดเผย UnifoLM WLA 1.0 เมื่อ 10 กันยายน 2026 โดยระบุว่าเป็นโมเดล VLA สำหรับหุ่นยนต์ฮิวแมนนอยด์ขนาด 6 พันล้านพารามิเตอร์ บริษัทระบุว่าโมเดลเดียวผ่านการทดสอบบนหุ่นยนต์จริง 64 งาน แบ่งเป็นงานบนโต๊ะ 54 งาน และงานเคลื่อนที่พร้อมจัดการวัตถุทั้งร่างกาย 10 งาน จากการฝึกด้วยข้อมูลหุ่นยนต์จริงราว 2,500 ชั่วโมง
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
เป้าหมายสำคัญคือให้ความสามารถถ่ายโอนข้ามงานและอุปกรณ์ปลายแขนได้ แต่ตัวเลขประสิทธิภาพยังเป็นผลที่บริษัทประกาศ และสถานะการเปิดให้ดาวน์โหลดองค์ประกอบทั้งหมดมีข้อมูลขัดแย้งกัน