AI 资讯速递 (2026/1/31)： 宇树开源 UnifoLM-VLA-0 大模型，助力通用人形机器人操作
2026年1月31日 04:01
导读摘要：
宇树科技宣布开源视觉-语言-动作大模型 UnifoLM-VLA-0，该模型基于 Qwen2.5-VL-7B 架构，通过 340 小时真机数据训练，融合 2D/3D 空间感知与动力学预测能力，突破传统 VLM 在物理交互中的局限。
宇树开源 UnifoLM-VLA-0 大模型，助力通用人形机器人操作
资讯详情
宇树科技近日宣布开源其最新研发的视觉-语言-动作大模型 UnifoLM-VLA-0。该模型基于 Qwen2.5-VL-7B 架构，通过 340 小时的真机数据训练，显著提升了机器人在复杂环境中的操作能力。UnifoLM-VLA-0 融合了 2D 和 3D 空间感知技术，以及先进的动力学预测算法，使其在物理交互任务中表现出色。
Qwen2.5-VL-7B 架构：UnifoLM-VLA-0 基于 Qwen2.5-VL-7B 架构，该架构在多模态学习方面具有显著优势，能够同时处理视觉、语言和动作数据。
340 小时真机数据训练：模型通过 340 小时 的真实机器人操作数据进行训练，确保其在实际应用场景中的鲁棒性和准确性。
2D/3D 空间感知与动力学预测：UnifoLM-VLA-0 融合了 2D 和 3D 空间感知技术，能够更准确地理解环境。同时，该模型具备 动力学预测能力，可以更好地规划和执行物理交互任务。
AI-ALL 深度点评
宇树科技开源 UnifoLM-VLA-0 大模型，标志着通用人形机器人领域在多模态学习方面取得了重要进展。该模型不仅提升了机器人的环境感知能力，还通过动力学预测算法增强了其物理交互的精确度和可靠性。这对于推动机器人技术在工业、医疗和家庭服务等领域的应用具有重要意义。此外，开源策略有助于加速社区内的技术创新和合作，进一步丰富 AI 生态系统。然而，UnifoLM-VLA-0 的实际部署仍需考虑计算资源和成本问题，这将是未来应用的关键挑战之一。