由宇树开发的大型模型UnifoLM-VLA-0已正式开源。作为UnifoLM系列中专为通用类人机器人作设计的视觉-语言-动作（VLA）模型，它标志着机器人大脑从单纯的“文本和图像理解”向具身智能兼具“物理常识”的进化迈出了关键一步。
技术突破：从感知到行动的深度整合
UnifoLM-VLA-0旨在打破传统视觉语言模型（VLM）在物理交互中的局限性：
具身大脑进化：通过对机器人作数据的持续预训练，模型能够理解物理世界的交互规则，而不仅仅是停留在语义层面。
空间细节对齐：该模型将文本指令与二维/三维空间细节整合，显著提升了复杂环境中的空间感知和位置推理能力。
动力学约束：它集成了动作块预测和前/后向动力学约束，实现了长期动作序列的统一建模。
研发架构：基于Qwen2.5-VL的次级演进
宇树利用系统清理后的多任务数据集对模型进行了完善：
核心基础：基于开源的Qwen2.5-VL-7B模型。
高效训练：仅用约340小时的真实机器人数据实现了高质量的任务泛化，用于离散动作预测训练。
性能评估：在空间理解基准测试中，其性能不仅远超基础模型，甚至在特定场景下可与Gemini-Robotics-ER1.5媲美。
实用表现：单一策略可处理12项复杂任务
宇树G1类人机器人平台的验证结果令人印象深刻：
多任务通用性：该模型能够稳定完成12个复杂的作任务，包括对象抓取和放置，均在同一策略网络（检查点）下。
强鲁棒性：真实机器人实验表明，即使面对外部干扰，机器人仍保持良好的执行稳定性和抗干扰能力。
目前，宇树已在GitHub和项目主页完整发布模型代码及相关资料，旨在帮助全球开发者共同推动通用类人机器人的商业化。
