近日，宇树科技发布了通用人形机器人基础模型UnifoLM-WLA-1.0。该模型的名称中WLA代表“世界-语言-动作”，而其具身推理基础为UnifoLM-ER-1-4B。在16项多模态感知与理解基准测试中，该模型在7项评测中表现优于参评的开源模型，并与若干闭源模型的整体性能相当。项目已开放部分模型权重和数据，后续将逐步发布更多模型、代码及数据。这组结果显示，宇树在具身空间感知与推理领域的开源模型中处于领先地位。随着模型权重和数据的逐步开放，行业竞争将从模型性能扩展到基础模型、开发接口和应用生态系统。

UnifoLM-ER-1基于Qwen3-VL-4B构建，在空间理解与推理方面表现卓越，尤其在RefSpatial-Bench、Where2Place、PixMo-Point、BLINK、EmbSpatial、RoboSpatial和VSR等7项基准测试中优于其他开源模型，一些指标更是超越了Gemini-ER 2等闭源模型。这些结果表明该模型在目标识别和空间关系理解中具有重要意义，为后续的动作生成提供了坚实基础。其评测结果涵盖物体指代、摆放位置、视觉指向及空间关系等多个方面，展示了其全面的空间感知与推理能力。

UnifoLM-WLA-1.0涵盖64项任务，包括10项全身动作和54项桌面操作。该模型的一个显著特点是能够同时处理不同类型的任务，通过单一6B参数模型整合机械臂、末端执行器和下肢动作。这一设计大大降低了以往因需要为每项任务专门训练和配置策略而产生的开发和迁移成本。在实际应用中，机器人能够在移动时执行连续操作，体现了其高度协调性。 球友会

模型的WLA架构将具身推理、未来动态区域预测和动作生成结合在一个框架中，使机器人在生成动作之前先理解当前环境及潜在变化。这种统一设计旨在减少为每项任务分别创建策略的重复劳动，提高模型在相关任务及硬件中的复用效率。

宇树已设立了UnifoLM-WLA-1.0项目主页，并开放部分模型的权重和数据，后续的代码、基础权重及操作数据集将在计划中开放。开放模型将影响开发接口和硬件适配情况，具身模型需和不同机器人本体、传感器及控制系统相结合，广泛应用的可能性将提升。宇树的双重角色既包括机器人本体开发与基础模型训练，开放模型降低了开发者的试用和二次开发成本，期望能吸引更多团队使用其接口。

短期来看，开放的权重和数据将为中小型机器人公司和研究机构节省从零训练模型的成本，迅速开展特定场景的适配与验证。实际部署仍需综合考虑机器人本体、数据和控制系统的工程开发。长期而言，这一领域的竞争将愈加激烈，不同公司将可能专注于不同方向，但也有可能在同一公司内部协同发展。未来的关键在于已开放模型在真实环境中的任务成功率及其泛化能力，以及开发者围绕模型形成对模型的复现、适配与应用。 球友会