UnifoLM-WLA-1.0: 64 tác vụ chưa đồng nghĩa với một mô hình robot đã mở đầy đủ

Điểm cần phân biệt trong thông báo “mã nguồn mở” của Unitree là công bố dự án không đồng nghĩa với phát hành trọn bộ mô hình điều khiển robot. UnifoLM-WLA-1.0 được giới thiệu như hệ thống nối việc hiểu khung cảnh, dự đoán thay đổi và tạo chuyển động. Tuy nhiên, các báo cáo về tình trạng phát hành chưa xác nhận rằng trọng số của mô hình điều khiển toàn thân khoảng 6 tỷ tham số đã được cung cấp công khai.5813

Đã có thể tiếp cận những gì?

Unitree đã phát hành trọng số UnifoLM-ER-1, thành phần suy luận về môi trường vật lý khoảng 4 tỷ tham số, và UnifoLM-ER-Flow, thành phần bổ sung biểu diễn về thay đổi dự đoán và hành động. Bản kiểm tra danh sách phát hành ngày 16/9/2026 cũng ghi UniBot-V1 Challenge Dataset là đã phát hành.817

Cùng danh sách đó vẫn xếp trọng số UnifoLM-WLA-Base, mã hậu huấn luyện, Unitree-WBT-Dataset và Unitree-Manipulation-Dataset vào diện sắp phát hành. Bài viết ngày 20/9 tiếp tục mô tả trọng số mô hình đầy đủ, mã và các bộ dữ liệu còn lại là kế hoạch, không phải tài nguyên đã sẵn có. Vì vậy, không nên nhầm trọng số của hai thành phần đã mở với một bản trọng số hoàn chỉnh có thể tải về để điều khiển toàn thân robot.81320

2.500 giờ dữ liệu và 64 tác vụ kết nối với nhau ra sao?

Theo Unitree, hệ thống WLA được huấn luyện trên khoảng 2.500 giờ dữ liệu thu từ robot thực. Hãng báo cáo một mô hình đảm nhiệm 64 tác vụ: 54 tác vụ thao tác trên bàn và 10 tác vụ cần vận động toàn thân hoặc di chuyển để thao tác. Các cấu hình được nêu gồm kẹp hai ngón và nhiều loại bàn tay khéo léo năm ngón. Đây là phạm vi tác vụ, phần cứng trong đánh giá do Unitree công bố, không có nghĩa mô hình sẽ hoạt động nguyên trạng trên mọi robot.5613

Trong thiết kế này, ER-1-4B phụ trách suy luận thị giác và không gian; ER-Flow biểu diễn những thay đổi dự kiến trong cảnh cùng hành động; còn bộ phận tạo hành động dựa trên cơ chế flow sinh chuyển động. Mục tiêu là đi từ yêu cầu và hình ảnh robot quan sát được đến việc phối hợp bàn tay, cánh tay và cơ thể.81730

Để các bộ phận chuyển động đúng nhịp, phương pháp mã hóa hành động được mô tả là biến chuyển động liên tục của đầu thao tác, khớp bàn tay và phần thân dưới thành các token rời rạc, rồi căn chúng theo những mốc thời gian chung. Nói đơn giản, hệ thống tìm cách biểu diễn cả điều gì có thể thay đổi lẫn khi nào từng bộ phận cần cử động. Đó là mô tả kiến trúc, chưa phải bằng chứng robot xử lý tốt tình huống bất ngờ.1822

Các kết quả đánh giá chứng minh đến đâu?

Unitree báo cáo ER-1-4B dẫn đầu các mô hình mở được đưa vào so sánh ở 7 trong 16 bài đánh giá về cảm nhận và hiểu đa phương thức. Đây là kết quả của thành phần suy luận trong phạm vi những mô hình được so sánh, không phải bảy phép đo tỷ lệ hoàn thành tác vụ từ đầu đến cuối của WLA, càng không chứng minh độ an toàn hay độ tin cậy khi vận hành lâu dài.1318

Các màn trình diễn 64 tác vụ cho thấy độ rộng của đánh giá do Unitree báo cáo, nhưng những nguồn được cung cấp chưa xác lập rằng hiệu năng trên robot thực đã được bên độc lập tái lập. Việc còn thiếu trọng số điều khiển đầy đủ và tài nguyên hậu huấn luyện cũng hạn chế khả năng kiểm chứng của các nhóm bên ngoài. Muốn kết luận hệ thống vận hành ổn định hoặc dễ chuyển sang robot không phải của Unitree, cần bản phát hành đầy đủ hơn, quy trình đánh giá được công bố và thử nghiệm độc lập trên các thân máy, cảm biến, bàn tay khác nhau.81322