机器人如何从只会表演的“花瓶”转变为能处理家务的得力助手？宇树开源的UniFold LMVLA模型给出了答案。它通过精选的高质量真实操作数据，教会机器人理解物理常识与交互法则，解决了传统模型“看得懂却做不到”的痛点，让机器人走向通用与实用。
智能速览
传统机器人模型缺乏物理常识，难以完成日常操作。
UniFold LMVLA仅用340小时高质量数据便教会机器人物理交互。
模型具备动作预演能力，可模拟轨迹并预估力度。
该模型展现出强大的通用性，一个模型处理多种复杂任务。
实测能完成拧瓶盖、叠毛巾、物品分类等12类精细任务。
精华内容
让机器人真正理解物理世界，是具身智能领域的核心挑战。UniFold LMVLA模型的出现，正是通过一种巧妙的训练策略，为机器人补上了至关重要的“物理课”。
物理常识缺失
传统视觉语言模型像一个博学的学生，能识别图像中的苹果，甚至能写诗，但它缺乏物理直觉。它不知道苹果的重量，不理解拿起它需要多大的力气，也无法预测手滑后苹果的滚动轨迹。这种对物理世界规律的隔阂，是机器人从“表演者”走向“实干家”的最大障碍。
高效数据策略
UniFold LMVLA模型基于Qwen2.5-VL构建，但其训练方式独辟蹊径。团队没有采用海量数据的暴力堆砌，而是像一位精明的导师，对开源数据进行系统化清洗和精选。最终，仅用约340小时的高质量真机操作数据，便让模型高效掌握了空间关系和动力学规律的核心要领。
内置物理引擎
该模型的关键突破在于其行动前的“预演”能力。在执行指令时，它会先在脑海中进行模拟，规划手部运动轨迹，预估抓取所需的力度，并预测物体被移动后的状态。这相当于为机器人内置了一个微型物理引擎，使其具备了实时、持续的动作规划与调整能力，大幅提升了操作的稳定性和成功率。
通用性与实测
在宇树G1人形机器人上的测试充分展示了其通用性。研究人员用同一模型、同一套策略完成了12类复杂的日常任务。这包括拧开药瓶盖的精细操作，铺平并折叠毛巾的柔性物体处理，将水果按颜色分类的语义理解，以及将球拍装入拍套并拉好拉链的长链条任务。即使在执行中受到干扰，机器人也能迅速调整，稳定完成任务。
UniFold LMVLA的出现标志着机器人智能的跃迁，从处理抽象符号走向理解并操作具体的物理世界。它让机器人不再是遥远的表演者，而是未来可靠的居家伙伴。当机器人能真正理解“把苹果拿起来”时，我们的生活还将发生哪些改变？
