近日，科技領域迎來一項重要突破——宇樹科技正式開源其最新研發(fā)的視覺-語言-動作（VLA）大模型UnifoLM-VLA-0。這款模型專為通用人形機器人操作設計，標志著人工智能在物理交互領域邁出關鍵一步。
傳統視覺-語言模型（VLM）在處理物理世界任務時存在明顯短板，例如難以理解空間關系、缺乏物理常識等。UnifoLM-VLA-0通過針對性預訓練，成功突破這些限制。研發(fā)團隊在機器人操作數據集上進行了深度優(yōu)化，使模型能夠從單純的"圖文理解"升級為具備物理認知能力的"具身大腦"。這種進化讓機器人不僅能"看懂"指令，更能"感受"環(huán)境、預測動作結果。
技術實現層面，該模型創(chuàng)新性地融合了多模態(tài)感知與空間推理能力。針對操作任務中常見的指令理解難題，模型通過構建文本指令與2D/3D空間信息的映射關系，顯著提升了空間定位精度。更值得關注的是，研發(fā)團隊引入全鏈路動力學預測數據，使模型能夠模擬物理世界的因果關系，從而在未接觸過的場景中也能生成合理動作策略。
實際測試數據印證了技術突破的價值。在真實機器人驗證環(huán)節(jié)，UnifoLM-VLA-0僅需單一策略就完成了12類復雜操作任務，包括精密裝配、動態(tài)避障等高難度場景。任務完成質量達到行業(yè)領先水平，特別是在需要多步驟協同的操作中，模型展現出的泛化能力令人矚目。這項成果為服務機器人、工業(yè)自動化等領域提供了新的技術路徑。
