UnifoLM-WLA-1.0 – 宇树科技推出的通用人形机器人基座模型

UnifoLM-WLA-1.0是一款由宇树科技于2026年9月推出的通用人形机器人基座模型，主要用于机器人桌面精细操作与全身移动操作的统一策略学习，支持跨末端执行器泛化与端侧闭环推理，适用于科研实验、家庭服务与人形机器人落地等方向。

UnifoLM-WLA-1.0 的核心能力

一模驱动全身协同

UnifoLM-WLA-1.0 用单一策略检查点统一桌面精细操作与全身移动操作，在宇树 G1 人形机器人上真机验证可完成 64 项任务（54 项桌面 + 10 项全身），不再把导航、抓取拆成两套独立策略，降低了多任务协同的复杂度。桌面任务涵盖叠毛巾、从传送带分拣零件、插拔电源插头等；全身移动任务则包括倒垃圾、把衣物投入洗衣机、铺床、物品上架等居家与后勤动作。在 AI模型 体系中，它属于具身智能方向的机器人基座，与通用对话基座形成能力分工。

跨末端执行器泛化

同一套模型可适配普通两指平行夹爪与两类不同的多指灵巧手，更换末端执行器时无需重新采集数据或重训策略。跨末端执行器泛化此前是机器人开发的主要壁垒——换装五指手通常会破坏策略表征、需要全面重采数据，而 UnifoLM-WLA-1.0 通过统一动作空间与跨本体迁移先验解决了这一问题，兼顾了具身操作实力与通用多模态感知推理水平。

交互式世界建模

WLA（World-Language-Action）在同一多模态框架内整合具身推理、未来动态区域预测与离散动作学习三大能力，并融入以交互为核心的世界建模机制，让模型不仅能看懂图像与文本，还能预测物体交互后的场景变化、建立物理空间常识，从而提升长任务执行的鲁棒性。训练数据包含宇树自有开源数据与 BitRobot-HIW-500 等公开资源，适配多款机器人本体与作业环境。

端侧闭环与低延迟

模型在机器人端侧算力上实现约 106ms 的闭环推理，无需依赖云端连接，适合对实时性要求高的操作场景；统一的多模态表征底座也为后续 WLA 系列模型的训练提供了可复用的接口。它承接宇树早前 UnifoLM-X2 动态世界模型的探索，X2 侧重低延迟、强接触的行走控制，而 WLA-1.0 把重心放在人形系统长期薄弱的工业与居家操作任务上。

UnifoLM-WLA-1.0 与同类具身智能模型的对比

UnifoLM-WLA-1.0 的突出特点是「一模驱动、全身协同」：单模型覆盖桌面与全身移动共 64 项真机任务，并开放权重、代码与数据集，准入门槛显著低于闭源路线。LingBot-VLA 2.0、Xiaomi-Robotics-0、Qwen-Robot Suite 同属国产开源具身路线；GPT-6 Astra 作为闭源通用多模态旗舰，在具身专项上未专门优化，仅作能力参考。在特斯拉 Optimus、Figure 等头部厂商多将核心模型闭源的背景下，宇树把基座模型全开源，是其「硬件平价 + 开源生态」打法在模型层的复刻，也标志其从整机厂商向「硬件 + AI 模型」双轮驱动转型。

如果想了解宇树上一代的视觉语言动作模型，可以参考 宇树 UnifoLM-VLA-0：它是 UnifoLM-WLA-1.0 的前作，同样以开源形式开放，奠定了宇树通用人形基础模型的早期体系。

UnifoLM-WLA-1.0 的应用场景与适用人群

UnifoLM-WLA-1.0 的端侧闭环与跨执行器泛化，使它在以下场景中最易落地：

• 家庭服务操作：倒垃圾、洗衣、铺床、收纳餐具与整理厨房等居家精细与移动操作。
• 科研与二次开发：高校与中小团队基于开放权重做垂直场景迁移，构建具身数据飞轮。
• 商业后勤辅助：货架摆放、物料上架、办公环境整理等公寓、酒店与工厂辅助任务。

适用人群：高校与科研机构的具身智能团队、人形机器人厂商与系统集成商，以及希望基于开源基座做场景定制与二次开发的开发者。

UnifoLM-WLA-1.0 的使用方法

UnifoLM-WLA-1.0 以代码、权重与数据集形式开放，可按以下步骤在宇树 G1 / H1 等机器人上跑通：

1. 获取代码：访问 UnifoLM-WLA-1.0 官方仓库 或项目主页 unigen-x.github.io/unifolm-wla.github.io，按 README 克隆代码并安装依赖环境。
2. 下载权重：用 huggingface-cli download 从 HuggingFace 拉取已开放的 UnifoLM-ER-1 与 UnifoLM-ER-Flow 两款权重，科研用途可免费使用。
3. 跑通感知推理：用项目推理脚本加载 ER-1，输入机器人当前画面与任务描述，验证目标定位、空间关系理解等感知推理输出是否正常。
4. 接入动作预测：加载 ER-Flow，输入当前图像、任务指令与候选动作，模型输出离散动作 token 与未来动态区域预测，需按官方 RVQ 解码方式还原为连续控制信号。
5. 适配真机控制：将解码后的动作指令接入宇树 G1 / H1 的运动控制接口，先在仿真或小规模真机上验证，再正式部署——模型权重本身不含完整机器人控制系统。

UnifoLM-WLA-1.0 的价格与开源情况

UnifoLM-WLA-1.0 以开放权重、推理代码与训练数据集的形式完全开源，高校与科研机构可免费用于研究与二次开发，无需支付授权费用；主要成本来自机器人本体（如宇树 G1）与端侧算力采购，模型本身零授权门槛，显著降低了中小团队进入具身智能的准入成本。这一做法延续了宇树在硬件层「平价 + 开源」的一贯路线，把可复现、可检查的能力下沉到研究机构。

宇树同步开放了 BitRobot-HIW-500 等数据集与完整推理链路，提供从感知到动作的全链路基准，延续其 UnifoLM-VLA-0、UnifoLM-WMA-0 的开源体系，与特斯拉 Optimus、Figure 的闭源路线形成鲜明对照；随着国内具身开源体系成型，「人形机器人安卓时刻」的落地进程有望加速。

UnifoLM-WLA-1.0 的常见问题