摘要：
2026年9月10日，宇树科技正式宣布全面开源UnifoLM-WLA-1.0——一款通用人形机器人基座模型。参数规模6B，由UnifoLM-ER-Flow... 2026年9月10日，宇树科技正式宣布全面开源UnifoLM-WLA-1.0——一款通用人形机器人基座模型。参数规模6B，由UnifoLM-ER-Flow主干与MMDiT动作专家组成，权重、代码与数据集同步开放。模型在宇树G1人形机器人上完成64项真机任务验证（54项桌面+10项全身），端侧闭环推理延迟约106ms，无需云端连接。
一模驱动全身协同：不再把导航和抓取拆成两套策略
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。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。过去机器人开发常把导航、抓取拆成两套独立策略，多任务协同复杂度高；单模型统筹后，这一层的工程负担显著降低。
跨末端执行器泛化：换手不用重训
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。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。
交互式世界建模与端侧闭环
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。训练数据包含约2500小时高质量真机数据与500万+ ER样本，适配多款机器人本体。模型承接宇树早前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，WLA-1.0则把重心放在人形系统长期薄弱的工业与居家操作任务上。
与同类具身智能模型的对比
LingBot-VLA 2.0、Xiaomi-Robotics-0、Qwen-Robot Suite同属国产开源具身路线。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。在AI工具导航的视角下，这类开源基座模型正在降低中小团队进入具身智能的准入成本——过去需要从零搭建的感知、推理与动作链路，现在可以基于开源权重做垂直场景迁移。
应用场景与获取方式
家庭服务操作可覆盖倒垃圾、洗衣、铺床、收纳餐具等居家精细与移动操作；科研与二次开发可基于开放权重做场景定制，构建具身数据飞轮；商业后勤辅助可用于货架摆放、物料上架、办公环境整理等任务。适用人群包括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二次开发的开发者。
模型以代码、权重与数据集形式开放。开发者可从官方仓库克隆代码并安装依赖环境，用huggingface-cli下载UnifoLM-ER-1与UnifoLM-ER-Flow两款权重，跑通感知推理后接入动作预测，再适配宇树G1/H1的运动控制接口。需注意模型权重本身不含完整机器人控制系统，需按官方RVQ解码方式还原连续控制信号。高校与科研机构可免费用于研究与二次开发，主要成本来自机器人本体与端侧算力采购。