AI消息速览

宇树开源具身大脑 UnifoLM,6B 模型统筹 64 项任务

事件日期 2026-09-20 · 产业观察 · 已接受

事件日期2026-09-20
信息日期2026-09-20
入库日期2026-09-20
通道产业观察
状态已接受
来源腾讯研究院(搜狐同步)

知识卡片:宇树开源具身大脑 UnifoLM,6B 模型统筹 64 项任务

一句话结论

宇树在《腾讯研究院AI速递 20260920》中被介绍为开源/将开放具身大脑 UnifoLM:以 6B 参数、约 2500 小时真机数据训练,单模型覆盖 54 项桌面操作与 10 项全身操作共 64 项任务,并配套具身推理底座 UnifoLM-ER-1-4B。

事件概述或研究问题

材料将 UnifoLM 定位为“具身大脑”,核心问题是:能否用单个 6B 模型统筹多类机器人操作任务,包括桌面操作和全身操作。来源条目列出参数、训练数据、任务覆盖、开放计划和推理底座,但未给出论文或技术报告细节。发布日期、开源许可证、代码仓库与数据下载方式等:待核实。

方法/产品要点

  • 主模型 UnifoLM:6B 参数;约 2500 小时真机数据训练。
  • 任务覆盖:单模型覆盖 54 项桌面操作 + 10 项全身操作,共 64 项任务。
  • 开放计划:模型、代码与数据集将开放;具体范围与时间待核实。
  • 推理底座 UnifoLM-ER-1-4B:基于 Qwen3-VL-4B 与超 500 万条具身推理样本训练。
  • 技术路线:以交互为中心的世界建模;先用光流预测画面中会变化的区域,再经统一动作空间与 MMDiT Action Expert 解码为连续动作。
  • 评测:16 项基准中 7 项领先开源模型;Where2Place、EmbSpatial 等空间理解得分超过 GPT-6 Astra。

主要结果或产业意义

  • 若上述指标可复现,UnifoLM 展示了“单模型多任务”的具身基础模型路线,可能减少为每类机器人任务单独训练策略的需求。
  • 6B 参数与约 2500 小时真机数据的组合,说明具身模型开始借助较大规模真机数据与 VLM 底座 Qwen3-VL-4B,走向通用操作。
  • 模型、代码与数据集若确实开放,可能推动具身智能研究复现与产业二次开发,并影响机器人基础模型生态竞争。
  • 具身推理底座在空间理解基准上超过 GPT-6 Astra;若评测设置可复现,意味着开源具身推理模型在该类任务上具备竞争力,但材料未提供完整评测细节。

为什么重要

  • 具身智能从专用策略走向通用多任务模型,是机器人能否规模化适应多样场景的关键。UnifoLM 的卖点正是用 6B 单模型覆盖 64 项任务。
  • 开源模型、代码与数据集如果落地,会降低学术界和中小团队进入具身基础模型的门槛,也可能改变“闭源大模型 + 专用机器人栈”的产业分工。
  • 与既有卡片的关系:现有相关卡片多聚焦 AI 治理、研究趋势、LLM 网关/API 中间层;本条增量在于把视角推进到具身智能与机器人操作基础模型,涉及真机数据、动作生成和空间推理。

局限与不确定性

  • 来源为二手速递,不是宇树官方论文或模型卡;参数、数据规模、任务数、基准成绩均需以官方材料核实。
  • “将开放”不等于已经完整开源;许可证、代码完整性、数据可用性、训练配方和硬件需求待核实。
  • 16 项基准中 7 项领先开源模型的基准集合、对比对象、评测口径未列明。
  • Where2Place、EmbSpatial 等得分超过 GPT-6 Astra 的具体测试集、指标定义和可复现性待核实。
  • 54 项桌面操作与 10 项全身操作的任务定义、成功率、跨环境泛化能力未在材料中给出。
  • UnifoLM-ER-1-4B 与主模型 UnifoLM 的训练/部署关系、是否同步开源、推理成本待核实。
  • 来源标题中的日期为 20260920;实际发布时间与上下文待核实。

可用于图书/PPT/简报的角度

  • “机器人基础模型走向多任务统一”:以 6B、64 项任务、2500 小时真机数据为案例。
  • “具身智能开源竞赛”:模型、代码与数据集开放如何影响生态与产业门槛。
  • “世界模型 + 动作专家”:光流预测变化区域、统一动作空间、MMDiT Action Expert 解码连续动作的技术叙事。
  • “VLM 底座外溢到机器人”:Qwen3-VL-4B 被用于具身推理底座。
  • “从语言模型到具身推理”:空间理解基准 Where2Place、EmbSpatial 与 GPT-6 Astra 对比可作为讨论点,但需标注待核实。

原始材料

  • 来源:腾讯研究院AI速递 20260920
  • 条目:七、宇树开源具身大脑UnifoLM,6B模型统筹64项任务
  • URL:https://m.sohu.com/a/1078322629_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=7
  • 英文关键词:UnifoLM;UnifoLM-ER-1-4B;Qwen3-VL-4B;Where2Place;EmbSpatial;GPT-6 Astra;MMDiT Action Expert
  • 备注:以上事实均来自该来源条目;无法确认处已标注“待核实”。

发现内容有误?

免登录提交,管理员审核并完成修正后才会公开修订说明。

值得关注

具身智能从专用策略走向通用多任务模型,是机器人能否规模化适应多样场景的关键。UnifoLM 的卖点正是用 6B 单模型覆盖 64 项任务。 开源模型、代码与数据集如果落地,会降低学术界和中小团队进入具身基础模型的门槛,也可能改变“闭源大模型 + 专用机器人栈”的产业分工。 与既有卡片的关系:现有相关卡片多聚焦 AI 治理、研究趋势、LLM 网关/API 中…

相关主题

对应的教材知识点

教材知识点匹配尚未完成。