宇树发布通用人形机器人基础模型

IT时代网9月20日消息，宇树科技近日发布通用人形机器人基础模型UnifoLM-WLA-1.0。其具身推理底座UnifoLM-ER-1-4B在16项多模态感知与理解基准中，有7项领先参评的开源模型，整体结果与多款闭源模型处于相近水平。项目当前已开放部分模型权重和数据。

在16项多模态感知与理解基准测试中，基于Qwen3-VL-4B构建的UnifoLM-ER-1在7项上取得开源模型最佳成绩。优势主要集中在空间理解与推理，覆盖RefSpatial-Bench、Where2Place、PixMo-Point、BLINK、EmbSpatial、RoboSpatial和VSR等基准，部分指标高于Gemini-ER 2等闭源模型。

UnifoLM-WLA-1.0覆盖64项任务，包括10项全身操作和54项桌面操作，由一个6B参数模型统一承担，并支持二指夹爪和多种五指灵巧手。WLA即世界—语言—动作，模型把具身推理、未来动态区域预测和动作生成纳入统一框架，让机器人先理解当前环境和可能发生的变化，再生成动作。

过去的人形机器人系统常针对不同任务训练或配置不同策略，开发和迁移成本较高。同一个模型同时覆盖桌面操作与全身操作，并协调机械臂、末端执行器与下肢动作，有望减少为每项任务分别开发策略的重复工作。

目前宇树已上线UnifoLM-WLA-1.0项目主页，开放部分模型权重和数据；后训练代码、UnifoLM-WLA-Base权重、全身遥操作数据集和操作数据集仍列在后续开放计划中。

注：本文中包含AI辅助创作的内容。

编辑：刘宁