7项基准领先后主动摊牌:宇树的开源棋局,用模型换生态

近日,宇树科技发布通用人形机器人基础模型UnifoLM-WLA-1.0——WLA即World-Language-Action,世界、语言、动作三者的统一。项目当前已开放部分模型权重和数据,后训练代码、UnifoLM-WLA-Base权重、全身遥操作数据集和操作数据集仍列在后续开放计划中。这是宇树首次把自家的具身智能模型体系放到开源舞台上接受检验:一端是评测榜单上的成绩,另一端是开发者生态的争夺,宇树选择了先亮牌。
棋局里,主动摊牌从来不是示弱,而是换一种方式要地盘。
7项领先:赢在空间理解与推理
先看成绩单。宇树的具身推理底座UnifoLM-ER-1(基于Qwen3-VL-4B构建)在16项多模态感知与理解基准测试中,有7项领先表中参评的开源模型,整体性能与头部闭源模型处于相近水平。领先项集中在RefSpatial-Bench、Where2Place、PixMo-Point、BLINK、EmbSpatial、RoboSpatial和VSR等基准,优势主要落在空间理解与推理——部分指标甚至高于Gemini-ER 2等闭源模型。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。它的意义不在机器人的运动性能,而在模型对物体、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,具身推理则决定机器人能否判断目标位置、规划交互过程并生成后续动作。能力的一半是"动手",另一半是"知道往哪儿动手"。
一个模型,64项任务
UnifoLM-WLA-1.0覆盖64项任务,包括10项全身操作和54项桌面操作。数量之外,真正的看点是"同一个模型":它同时覆盖桌面操作和全身操作,并协调机械臂、末端执行器与下肢动作,支持二指夹爪和多种五指灵巧手。过去的人形机器人系统常针对不同任务训练或配置不同策略,开发和迁移成本较高;而UnifoLM-WLA-1.0使用一个6B参数模型统一承载,把具身推理、未来动态区域预测和动作生成纳入同一框架,让机器人先理解当前环境和可能发生的变化,再生成动作。在整理鞋子、厨房或浴室等全身任务中,机器人需要一边移动一边连续操作;铺床时,双臂动作要与身体姿态和下肢平衡协同——这些正是单一任务模型难以兼顾的场景。原文同样保留了审慎的注脚:其跨场景与跨本体泛化仍需通过更多真实环境测试验证。
开源棋局:用模型换生态
开源策略背后的算盘并不难读。宇树既开发机器人本体,也训练基础模型——开放模型可以降低开发者的试用和二次开发成本,吸引更多团队适配其模型接口,并借助外部测试与反馈加快迭代。模型开放之后,开发接口和硬件适配将决定其应用范围;被更多开发者和硬件平台采用的模型,更有可能形成广泛使用的接口规范。短期内,开放的权重和数据可以减少中小型机器人公司与研究机构从零训练基础模型的成本,使其更快开展特定场景的适配与验证;长期看,具身基础模型的竞争可能进一步加剧——部分公司将提供可适配多种本体的基础模型和开发平台,另一些公司则专注于机器人硬件、行业数据和场景集成,两类能力也可能在同一家公司内协同发展。这组发布的更深一层信号是:随着模型权重和数据逐步开放,人形机器人行业的竞争正从本体性能延伸到基础模型、开发接口和应用生态。
接下来的观察点有两个:已开放的模型能否在更多真实环境中保持任务成功率和泛化能力,以及开发者能否围绕模型形成持续的复现、适配与应用。对宇树而言,摊开底牌既是自信也是冒险——榜单上的7项领先可以证明能力,但开源生态的成败最终取决于有多少人愿意在你的接口上盖房子。机器人行业下半场的入口之争,已经从谁的硬件更硬,变成了谁的标准被更多人所采纳。战略判断:看一家公司图什么,就看它舍得放出什么——宇树把模型权重推上开源桌,它图的不是一时喝彩,而是让全世界的开发者都站在它的接口上落子。
以上信息由AI整理发布