宇树科技开源了通用人形机器人操作大模型UnifoLM-VLA-0，它让机器人凭借单一策略即可完成多项复杂长程任务。该模型在空间感知、抗干扰能力和训练效率上均有显著突破，为人形机器人的通用化与实际应用落地迈出了关键一步。
智能速览
宇树开源通用人形机器人操作大模型UnifoLM-VLA-0。
模型仅凭单一策略即可完成多项长程复杂任务。
空间感知能力显著提升，支持零样本精准操作。
仅用340小时真机数据训练，LIBERO基准平均分达98.7。
在宇树G1上完成12项任务，展现强抗干扰与鲁棒性。
精华内容
UnifoLM-VLA-0的突破不仅在于任务多样性，更在于其强大的空间理解和抗干扰能力，为机器人通用化操作提供了新思路。
高效训练之路
UnifoLM-VLA-0基于开源视觉语言模型Qwen2.5-VL-7B演化而来。其训练过程尤为高效，通过构建覆盖多场景的多任务数据集进行持续预训练，最终仅使用约340小时的真机数据完成了离散动作预测训练。模型还集成了动作分块预测与动力学约束，统一了动作序列建模，从而让模型更深层次地理解了“机器人—物体”的物理交互规律。
空间推理的飞跃
该模型在空间感知能力上实现了显著提升。在零样本场景下，它能精准推理目标位置、生成运动轨迹、判断可抓取点，并完成目标检测与分割。在“no thinking”模式下，模型无需额外推理即可直接给出结果，其空间理解表现比肩谷歌Gemini Robotics ER 1.5，这为机器人在真实环境中进行低延时实时操作奠定了基础。
基准测试的领先
在权威的LIBERO仿真基准测试中，UnifoLM-VLA-0展现出了卓越性能。其在“空间”、“物体”、“目标”和“长序列”四个子项的得分分别为99.0、100、99.4和96.2，平均分高达98.7分。这一成绩相较于OpenVLA-OFT的97.1分和GR00T-N1.6的97.0分，形成了明确的领先优势，验证了其技术方案的先进性。
真实场景的考验
真机实验是检验模型的最终标准。在宇树G1人形机器人上，该模型通过单一策略网络稳定完成了12项复杂任务，涵盖整理收纳、多机协作、开合旋转与抗干扰纠错等。例如，双机协作收拾餐盘、按颜色堆叠积木并应对人为干扰，这些贴近实际应用的场景，充分证明了模型在复杂环境下的鲁棒性与可靠性。
UnifoLM-VLA-0的开源是宇树从硬件巨头向软硬一体生态迈进的关键一步。它所展示的高效训练与通用操作能力，正加速人形机器人从实验室走向真实世界，未来是否将涌现更多基于此模型的创新应用，值得期待。
