宇树开源UnifoLM-WLA-1.0具身基础模型
Video Friday: Humanoid Robot Takes On Monkey Bars
AI 摘要
宇树(Unitree)全面开源 UnifoLM-WLA-1.0 具身基础模型,称在多个基准上取得开源模型中的新 SOTA。该单一模型可统一协调桌面操作与全身移动操作,支持跨任务、跨末端执行器泛化。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。
Video Friday: Humanoid Robot Takes On Monkey Bars
AI 摘要
宇树(Unitree)全面开源 UnifoLM-WLA-1.0 具身基础模型,称在多个基准上取得开源模型中的新 SOTA。该单一模型可统一协调桌面操作与全身移动操作,支持跨任务、跨末端执行器泛化。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。
Lixin Xu 等提出 DexFormer 2.0,用单一强化学习策略控制多种臂—手组合。它将机器人映射为带有效性掩码的规范关节接口,以运动学树偏置注意力编码形态,并用 Transformer-XL 推断动力学。在 4 臂 6 手 18 种组合上训练,稳定抓取成功率达 89%,可迁移到未见组合与手。
Zequan Zeng等提出Robo-MLT双系统框架:视觉语言规划器按实验流程生成有序原子技能序列,多帧执行监控判断技能完成或不可行并触发重规划,技能条件VLA策略生成操作轨迹,异步运行时协调二者。在医疗实验室长程任务上与四个策略基线及VLM监测方案对比验证。
Xueyang Wang 等提出 LHNav 人形机器人长程导航系统,将任务推理、局部运动生成和全身执行分给大脑、小脑与脑干三层,以不同时间尺度异步协同,并用进度和到达反馈协调导航目标、VLA 运动 token 预测及全身控制。作者还构建物理一致的动作数据训练小脑模块,使机器人能在多目的地语言指令下连续稳定地穿越狭窄空间。
Xiaoyang Xing 等人提出 APS-VLA,在冻结预训练 VLA 主干的前提下,用轻量决策影响估计器依据视觉观测、语言指令与机器人本体状态为视觉 token 打分;训练时同时使用动作监督和辅助视觉重建信号,实现动作引导、面向未来状态的 token 剪枝,缓解密集视觉 token 造成的推理延迟,同时保持动作生成的可靠性。