近日,宇树科技发布通用人形机器人基础模型UnifoLM-WLA-1.0。WLA是World-Language-Action,即世界-语言-动作。其具身推理底座UnifoLM-ER-1-4B在16项多模态感知与理解基准中,有7项领先表中参评的开源模型;整体结果与多款闭源模型处于相近水平。项目当前已开放部分模型权重和数据,其他模型、代码与数据仍在后续开放计划中。
这组结果显示,宇树在具身空间感知与推理方面进入开源模型前列。随着模型权重和数据逐步开放,人形机器人行业的竞争也将从本体性能延伸到基础模型、开发接口和应用生态。
7项具身推理评测领先,宇树进入开源模型前列
在16项多模态感知与理解基准测试中,宇树科技的UnifoLM-ER-1(基于Qwen3-VL-4B构建)在7项上取得开源模型最佳成绩,整体性能可与头部闭源模型比肩。
从表中结果看,UnifoLM-ER-1的优势主要集中在空间理解与推理。在RefSpatial-Bench、Where2Place、PixMo-Point、BLINK、EmbSpatial、RoboSpatial和VSR等7项基准中,它领先表中参评的开源模型;部分指标也高于Gemini-ER 2等闭源模型。
这些结果表明,UnifoLM-ER-1在空间理解与推理方面达到开源模型前列。该能力决定机器人能否识别目标、理解空间关系,并为后续动作生成提供依据。
这7项结果的意义不在于机器人的运动性能,而在于模型对物体、空间关系和交互条件的理解。运动控制决定机器人能否稳定执行动作,具身推理则为机器人判断目标位置、规划交互过程和生成后续动作提供基础。
这组结果覆盖物体指代、摆放位置、视觉指向和空间关系等多个维度,反映了模型较为完整的空间感知与推理能力。开放模型与评测结果也为后续复现和比较提供了基础。
海报生成中...