宇树开源UnifoLM-WLA-1.0 6B人形机器人基础模型统筹64项任务

会懂网AI资讯，9月15日，宇树科技开源6B人形机器人基础模型UnifoLM-WLA-1.0，该模型以单模型统筹64项任务，并实现跨本体与跨末端执行器的泛化能力，标志着宇树在机器人大脑方向的产品线进一步完善。这也是宇树在同一天内同时推进硬件本体与软件模型两条产品线的组成部分。

所谓单模型统筹64项任务，意味着原本需要多个专用模型分别负责的抓取、移动、操作等能力，被整合进同一个基础模型完成。这种做法的好处在于不同任务之间可以共享表征，新增任务的边际训练成本更低，工程维护的复杂度也随之下降不少，对后续软硬件迭代的效率提升相当明显。

跨本体与跨末端执行器的泛化是该模型的另一个关键点。机器人硬件形态差异很大，机械臂、夹爪、灵巧手在自由度与控制方式上各不相同，模型若能摆脱对特定硬件结构的依赖，就不必为每种形态单独绑定训练，应用范围自然会扩大，前期部署与后续维护的成本都会随之下降。

官方表示，其思路与GPT-6 Astro具身策略研究保持一致，即用一个基础模型统筹多种任务，而非为每个任务分别训练专用模型。这一路线与早期机器人学习的主流做法形成对照，也反映出具身智能正在向大模型的统一范式加速收敛，测试与部署成本的下降尤其明显。

从更宏观的角度看，大模型正从对话界面变为科研引擎和机器人大脑。过去一段时间，大模型的价值主要通过聊天窗口被公众感知，如今其调用方式正逐渐从人机对话转向机器内部的决策环节，服务对象也从人转向机器本体，衡量模型价值的标准随之改变。

支撑这一转变的前提是，通用大模型的视觉理解与物理推理能力已经足够强，可以直接充当机器人的大脑。当然，从模型到真实设备之间仍然存在延迟、算力、安全约束等多重工程关卡，实验室中的泛化结果能否迁移到产线现场，还有待进一步验证，短期不宜过度乐观。