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%。但当任务细化为“把拼图块插入对应的凹槽”时期货配资平台排名，GPT-6 Astra的成功率滑落至10%。
这是近期独立第三方机器人基准测试平台Robocurve公布的一项实测结果。结果表明，顶尖大模型已经展现出操控物理设备的能力，但在精细操作层面仍存在短板。而这也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。
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 Intelligenceπ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，已经成为行业角逐的焦点。
宇树科技也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。宇树科技宣布开源UnifoLM-WLA-1.0，代码、模型权重与数据集将陆续开放。据公司介绍，该模型参数量为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项桌面操作任务以及10项全身移动操作任务。桌面场景涉及收纳餐盘、电池充电等需要精细操作的任务；全身移动操作则延伸至垃圾处理、鞋子整理、沙发整理以及在较大空间范围内取放物品等场景。
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。譬如，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，环境也会随之发生改变，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。
具身推理层面，宇树科技介绍，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目标检测及多图空间问答等任务，并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。例如，其在Where2Place测试中取得82.0分，比GPT-6 Astra高出13分；Pixmo-Point为73.8分，BLINK达93.4分，EmbSpatial为88.9分，反映出模型在空间感知、场景理解等维度的系统性优势。
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”。宇树科技介绍，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末端执行器位姿、末端执行器关节量和下肢运动关节量三个部分，再通过残差矢量量化（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，宇树加码具身智能模型
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（World-Model-Action，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（世界模型-动作）大模型“UnifoLM-WMA-0”和通用人形机器人操作的视觉-语言-动作(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期货配资平台排名，加速人形机器人从实验室走向千行百业。
文章为作者独立观点，不代表实盘股票配资平台_配资实盘炒股开户|正规股票配资机构观点
