Unitree Robotics open-sources general-purpose humanoid robot foundation model UnifoLM-WLA-1.0
Editorial responsibility
- No named human review is recorded for this page.
- Source reporting is collected, normalized, translated or condensed automatically when needed.
- Automatically published source-backed update
Unitree Robotics has fully open-sourced its next-generation general-purpose humanoid robot foundation model, UnifoLM-WLA-1.0, on September 10. The model, with 6 billion parameters, was trained on 2,500 hours of high-quality real-world data covering multiple robot platforms and scenarios, enabling a single model to complete 64 different tasks. According to the company, the model integrates embodied reasoning, future change prediction, and action learning to enhance spatial perception and understanding. In tests on the independent Robocurve benchmark platform, the model outperformed leading open-source models in seven out of 16 multimodal perception and understanding evaluations, and rivaled top closed-source models. For example, it scored 82.0 on Where2Place, 13 points higher than GPT-6 Astra. Unitree founder Wang Xingxing stated at the 2026 World Robot Conference that the biggest bottleneck in the global humanoid robot industry is insufficient generalization of embodied intelligence. The company aims to build an ecosystem of toolchains, developers, applications, and data to accelerate the deployment of humanoid robots from labs to real-world industries.
Source report
独立测试揭示大模型在精细操作中的短板
近日，独立第三方机器人基准测试平台Robocurve公布了一项实测结果。当“把积木放进碗里”的任务指令分别下达给部署在真实机械臂上的GPT-6 Astra和Claude Fable 5.1时，在20次测试中，二者的成功次数分别为19次和8次，对应成功率95%和40%。然而，当任务细化为“把拼图块插入对应的凹槽”时，GPT-6 Astra的成功率滑落至10%。
结果表明，顶尖大模型已展现出操控物理设备的能力，但在精细操作层面仍存在明显短板。这也正是具身智能落地真实场景亟待突破的难题：机器人不仅要能听懂指令，更需要具备感知环境、理解空间、自主决策的能力。
宇树科技开源新一代人形机器人基础模型
在这一背景下，具身智能赛道的头部企业正试图给出解题思路。9月10日，宇树科技宣布完全开源新一代通用人形机器人基础模型UnifoLM-WLA-1.0。该模型依托大规模通用多模态感知与理解数据，融合以交互为中心的世界建模，全面提升空间感知与理解能力。在多项具身推理评测中，其表现领先国内外开源模型，亦可比肩头部闭源模型，标志着通用人形基础模型领域迎来重要突破。
2500小时真机数据训练，单模型覆盖64项任务
过去数年，机器人模型的训练大多聚焦单项任务、单一机器人本体及固定操作场景。一旦更换任务或调整环境，往往需要重新采集数据并进行训练。当前，NVIDIA GR00T、Figure Helix、Physical Intelligence π系列等具身智能基础模型，均致力于提升跨任务、跨环境与跨本体迁移中的泛化能力。打造通用“具身大脑”、打通多场景作业能力，已成为行业角逐的焦点。
宇树科技着力提升模型的泛化能力、数据利用效率和强化学习的规模效应。据公司介绍，UnifoLM-WLA-1.0参数量为6B，利用2500小时高质量真机采集数据训练，覆盖多种机器人本体与作业场景，包括宇树开源数据以及第三方机器人数据。一套模型即可完成64项差异化任务。模型兼容二指夹爪与两类灵巧手，支持不同末端执行器切换。
根据宇树给出的真机实验结果，搭载该模型的机器人可协同调动双臂、末端执行器与下半身，完成包括：
- 54项桌面操作任务（如收纳餐盘、电池充电等精细操作）
- 10项全身移动操作任务（如垃圾处理、鞋子整理、沙发整理、大空间取放物品等）
这种“一模驱动、全身协同”的设计，不仅降低了针对不同机器人本体和特定场景的训练成本，还显著提升了模型在开放环境中的指令理解能力和跨任务泛化能力，有望为通用人形机器人的规模化落地奠定技术基础。
多项具身推理指标领先，让机器人“理解世界”
机器人要在真实环境中实现“看得懂、摸得准、干得稳”，离不开对物理世界的感知与理解能力。例如，机器人执行整理房间、铺床、整理厨房物品等任务时，往往需要根据物体状态和空间位置调整动作；当物体被移动、折叠或拿起后，环境也会随之改变，后续决策需要建立在更新后的场景状态之上。
围绕这一问题，宇树科技为UnifoLM-WLA-1.0设计了一套“具身推理 + 未来变化预测 + 动作学习”体系：机器人既要理解当前看到的空间和物体，也要预测一次交互可能让场景中的什么地方发生变化，再生成具体动作。
具身推理模块
作为UnifoLM-WLA-1.0的具身推理模块，UnifoLM-ER-1-4B基于Qwen3-VL-4B，采用超过500万条训练数据，覆盖：
- 图像点预测
- 目标检测
- 多图推理
- 2D轨迹预测
- 3D目标检测
- 多图空间问答
该模块与通用图文数据混合训练，在保持通用视觉语言能力的同时，全面提升具身场景下的空间理解与推理能力。
根据宇树科技公布的16项多模态感知和理解评测结果，UnifoLM-ER-1-4B在7项评测中领先其他模型，具体表现包括：
| 测试项目 | UnifoLM-ER-1-4B得分 | 对比GPT-6 Astra | |---------|-------------------|----------------| | Where2Place | 82.0分 | 高出13分 | | Pixmo-Point | 73.8分 | — | | BLINK | 93.4分 | — | | EmbSpatial | 88.9分 | — |
这些数据反映出模型在空间感知、场景理解等维度的系统性优势。
预测与动作学习
除了全面提升空间理解与推理能力，UnifoLM-WLA-1.0进一步强化机器人的“预测”能力，让机器人在行动前“多想一步”。模型以图像以及任务描述或动作为条件，预测未来场景的动态区域；训练过程中，使用光流提取未来场景变化区域作为监督信号，得到UnifoLM-ER-Flow模型。通俗而言，该模型让机器人不仅能理解环境，也能想象和预测环境将如何变化，并生成可执行的行动策略。
在离散动作学习方面，宇树将统一动作空间划分为三个部分：
- 末端执行器位姿
- 末端执行器关节量
- 下肢运动关节量
通过残差矢量量化（RVQ）模型将连续动作转化为离散token。不同身体部分的token按照共享时间步对齐后送入模型，从而学习末端执行器位姿、夹爪或灵巧手关节以及下肢动作之间的协同关系。简单来说，这一步是把机器人连续、丝滑的动作“拆解”成一个个可被模型学习和复用的动作单元，就像把一段视频拆成关键帧来学习。
上述架构设计，构成了该模型“理解世界，连接行动”的基础。通过感知理解、交互结果预测和动作生成三个环节，UnifoLM-WLA-1.0让人形机器人在面对现实环境和复杂指令时，具备更强的适应性与决策稳定性，推动具身智能从“认知智能”向“行动智能”进阶。
人形机器人迈入“大脑竞赛”阶段
宇树科技创始人王兴兴在2026世界机器人大会上表示，当前全球人形机器人产业最大的瓶颈是具身智能的泛化能力不足，核心问题在于AI模型的输入输出与真实物理世界的对齐程度不够。
实际上，宇树科技近年来持续攻坚具身大模型、场景数据采集与分析、强化学习等关键技术，同时布局WMA（世界模型-动作）与VLA（视觉-语言-动作架构）两大技术路线。按照公司规划，其目标是逐步具备场景泛化、指令泛化、动作泛化与任务泛化能力，并形成“云端模型训练—端侧推理执行—线上数据采集”的闭环。
宇树科技这一动作并非孤例。当前，全球科技巨头正加速布局物理AI赛道，行业竞争的焦点已从单一的硬件性能比拼，转向以数据规模、算法泛化能力及多模态理解为核心的“大脑”较量。
在这一进程中，开源生态已成为推动技术普惠与快速迭代的关键力量。此前，宇树科技已分别开源了通用WMA大模型“UnifoLM-WMA-0”和通用人形机器人操作的VLA大模型“UnifoLM-VLA-0”。
此次公司完全开源UnifoLM-WLA-1.0，不仅展示了其在具身智能“大脑”领域的硬实力，更有望构建“工具链—开发者—应用—数据”的生态闭环，吸引更多开发者参与底层算法优化与场景应用创新，加速人形机器人从实验室走向千行百业。
（来源：财经报道网）
Source
证券之星-行业新闻Eastern
Part of this Story
Unitree open-sources humanoid robot foundation model, leading seven benchmarks