Câu trả lờiĐã xuất bản23 nguồn
Unitree UnifoLM-WLA-1.0: Một mô hình cho 64 tác vụ robot hình người
Ngày 10/9, Unitree công bố UnifoLM WLA 1.0: mô hình thị giác–ngôn ngữ–hành động (VLA) 6 tỷ tham số, được huấn luyện bằng khoảng 2.500 giờ dữ liệu robot thật. Theo Unitree, một mô hình duy nhất đã được đánh giá trên 64 tác vụ robot thật, gồm 54 tác vụ trên bàn và 10 tác vụ thao tác kết hợp di chuyển toàn thân.
Đăng bởiBiên tập bằng GPT-5.6 TerraHình ảnh được tạo bằng GPT Image 2
Câu trả lời nghiên cứu
Bài học chính
- Ngày 10/9, Unitree công bố UnifoLM WLA 1.0: mô hình thị giác–ngôn ngữ–hành động (VLA) 6 tỷ tham số, được huấn luyện bằng khoảng 2.500 giờ dữ liệu robot thật.
- Theo Unitree, một mô hình duy nhất đã được đánh giá trên 64 tác vụ robot thật, gồm 54 tác vụ trên bàn và 10 tác vụ thao tác kết hợp di chuyển toàn thân.
- Mục tiêu là chuyển kỹ năng giữa tác vụ và đầu cuối thao tác; tuy nhiên các kết quả hiệu năng và độ mở của bộ phát hành vẫn cần được kiểm chứng theo các tệp, giấy phép và liên kết thực tế.
Prompt AI
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 công bố UnifoLM-WLA-1.0 vào ngày 10/9 như một mô hình nền tảng đa dụng cho robot hình người, thay vì một chính sách điều khiển chỉ được tinh chỉnh cho một việc riêng lẻ. Tuyên bố trọng tâm của hãng là: một mô hình thị giác–ngôn ngữ–hành động (vision-language-action, VLA) 6 tỷ tham số có thể phối hợp cả thao tác tinh trên mặt bàn lẫn thao tác khi robot di chuyển bằng toàn thân. 18
19
26
Các con số đáng chú ý: 6B tham số, 2.500 giờ và 64 tác vụ
Unitree cho biết UnifoLM-WLA-1.0 có 6 tỷ tham số và được huấn luyện trên khoảng 2.500 giờ dữ liệu chất lượng cao thu từ robot thật. Trong đánh giá trên robot thật, hãng nói một mô hình xử lý được 64 tác vụ, gồm 54 tác vụ thao tác trên bàn và 10 tác vụ thao tác toàn thân có di chuyển. 23
24
26
Đây là điểm đáng chú ý vì hai bối cảnh này thường đòi hỏi hành vi điều khiển rất khác nhau. Thao tác trên bàn ưu tiên độ chính xác của tay hoặc kẹp gắp; còn thao tác toàn thân khi di chuyển buộc robot phối hợp giữa vận động và cầm nắm. Mục tiêu mà Unitree nêu ra là bao quát cả hai bằng một mô hình chung, thay vì huấn luyện chính sách riêng cho từng tác vụ. 19
22
28
Khả năng tương thích phần cứng và khái quát hóa
Unitree cho biết hệ thống hỗ trợ khái quát hóa giữa các tác vụ và giữa các đầu cuối thao tác. Các bài đưa tin về đợt phát hành mô tả khả năng tương thích với kẹp song song hai ngón, cũng như nhiều cấu hình bàn tay khéo léo năm ngón. 22
24
32
Đây là các năng lực do công ty tự báo cáo, không phải chứng nhận độc lập rằng mô hình sẽ đạt hiệu quả tương đương trên mọi cấu hình robot. Dù vậy, hướng sản phẩm khá rõ ràng: chuyển hành vi đã học giữa các loại việc và phần cứng cầm nắm, thay vì phải huấn luyện lại một chính sách cho từng tổ hợp. 22
27
Unitree mô tả kiến trúc như thế nào?
Khung kỹ thuật được công bố xoay quanh mô hình hóa thế giới lấy tương tác làm trung tâm. Theo mô tả, mô hình liên kết hiểu biết về hình ảnh và ngôn ngữ với dự đoán tương tác vật lý, rồi tạo hành động. Unitree và các bài viết về thông báo này mô tả một quy trình đa phương thức thống nhất gồm ba chức năng:
Các mô tả hiện có xác định UnifoLM-ER-Flow là backbone đa phương thức, đi cùng một chuyên gia hành động dựa trên MMDiT để sinh hành động. 22
23
24
Nguồn tài liệu được cung cấp chưa đủ để xác nhận độc lập mọi chi tiết triển khai cấp thấp đôi khi được gắn với dự án, chẳng hạn thiết kế token hóa dựa trên optical flow hoặc VQ-VAE, lượng tử hóa vector dư, hay công thức huấn luyện chính xác của từng mô-đun. Vì vậy, các chi tiết này nên được xem là chưa kiểm chứng nếu chưa có tài liệu kỹ thuật chính thức của dự án xác nhận.
Benchmark: tín hiệu tích cực, nhưng vẫn là kết quả phía nhà cung cấp
Unitree cho biết hệ thống suy luận hiện thân của họ được đánh giá trên 16 benchmark về nhận thức và hiểu biết đa phương thức. Trang dự án liệt kê các bộ đánh giá gồm RoboVQA, Ego-Plan2, RefSpatial-Bench, Where2Place, Pixmo-Point, BLINK, CV-Bench, EmbSpatial, RoboSpatial, SAT, VSI-Bench, VSR, ERQA, RealWorld QA, MME và MMMU_VAL. 31
Công ty và các bài đưa tin cùng thời điểm mô tả kết quả là dẫn đầu nhóm mô hình mở trên nhiều benchmark suy luận hiện thân; ở một số thước đo, năng lực được cho là có thể so sánh với các mô hình độc quyền hàng đầu. 18
21
26
Tuy nhiên, điều đó không đồng nghĩa với một thứ hạng tổng quát trong mọi điều kiện. Các nguồn được cung cấp không có đủ bằng chứng độc lập để kết luận trực tiếp về hiệu năng so với một mô hình mang tên “GPT-6 Astra”; vì thế, không nên xem so sánh đó là dữ kiện đã được xác lập.
Các phần trình diễn cho thấy gì — và chưa cho thấy gì?
Phạm vi trình diễn bao gồm phần cứng Unitree G1 thực hiện cả tác vụ trên bàn lẫn tác vụ toàn thân; tổng cộng 64 tác vụ được chia theo hai nhóm này. 24
32
So với một video robot chỉ thực hiện một kỹ năng được dàn dựng kỹ, đây là thông tin có giá trị hơn vì nó nhằm minh họa một checkpoint dùng cho nhiều họ tác vụ khác nhau. Nhưng đây vẫn là bộ đánh giá do nhà cung cấp báo cáo. Chỉ riêng dữ liệu này chưa thể chứng minh robot vận hành bền bỉ trong các môi trường không bị kiểm soát như nhà ở, nhà máy hay không gian công cộng.
UnifoLM-WLA-1.0 đã thực sự có thể tải về và chạy mã nguồn mở chưa?
Thông tin về mức độ sẵn sàng của bản phát hành chưa hoàn toàn nhất quán trong các nguồn được cung cấp. Một số bài viết từ ngày 10–15/9 nói UnifoLM-WLA-1.0 đã được mở hoàn toàn, hoặc cho biết mã nguồn, mô hình và bộ dữ liệu đã hoặc sẽ được cung cấp. 20
21
26
27 Một bộ sưu tập Hugging Face gắn với Unitree cũng liệt kê bộ dữ liệu UnifoLM-WLA.
30
Trong khi đó, một bài viết khác mô tả mã nguồn và bộ dữ liệu là “sắp ra mắt”. 24 Mâu thuẫn này khiến việc khẳng định toàn bộ thành phần — mã huấn luyện đầy đủ, trọng số mô hình và mọi bộ dữ liệu — chắc chắn đã có thể tải xuống và chạy ngay tại thời điểm công bố trở nên không an toàn.
Kết luận thực tế là cần kiểm tra trực tiếp các hiện vật được phát hành, giấy phép và liên kết truy cập trước khi lên kế hoạch triển khai. Thông báo này đáng chú ý xét như một mô hình và lộ trình nghiên cứu; còn một gói mã nguồn mở có thể sử dụng được phải được đánh giá dựa trên những gì thực sự truy cập được trong kho chính thức và các hub mô hình.
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "Unitree UnifoLM-WLA-1.0: Một mô hình cho 64 tác vụ robot hình người" là gì?
Ngày 10/9, Unitree công bố UnifoLM WLA 1.0: mô hình thị giác–ngôn ngữ–hành động (VLA) 6 tỷ tham số, được huấn luyện bằng khoảng 2.500 giờ dữ liệu robot thật.
Những điểm chính cần xác nhận đầu tiên là gì?
Ngày 10/9, Unitree công bố UnifoLM WLA 1.0: mô hình thị giác–ngôn ngữ–hành động (VLA) 6 tỷ tham số, được huấn luyện bằng khoảng 2.500 giờ dữ liệu robot thật. Theo Unitree, một mô hình duy nhất đã được đánh giá trên 64 tác vụ robot thật, gồm 54 tác vụ trên bàn và 10 tác vụ thao tác kết hợp di chuyển toàn thân.
Tôi nên làm gì tiếp theo trong thực tế?
Mục tiêu là chuyển kỹ năng giữa tác vụ và đầu cuối thao tác; tuy nhiên các kết quả hiệu năng và độ mở của bộ phát hành vẫn cần được kiểm chứng theo các tệp, giấy phép và liên kết thực tế.