# UnifoLM-ER-Flow

> 权威词条地址：https://robotics.hellobike.com/models/unitreerobotics-unifolm-er-flow
> 所属分类：models | 最近核验日期：2026-09-11 | 技术层级：L7

## 核心摘要

unitreerobotics 在 Hugging Face 发布的机器人模型，架构为 Qwen3VLForConditionalGeneration，参数规模 4.4B。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/unitreerobotics/UnifoLM-ER-Flow"}] |
| `updated` | 2026-09-11 |
| `vendor` | unitree |
| `family` | other |
| `params` | 4.4B |
| `architecture` | Qwen3VLForConditionalGeneration |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | apache-2.0 |
| `weights_license` | apache-2.0 |
| `data_formats` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | unitreerobotics/UnifoLM-ER-Flow |
| `hub_stats` | {"downloads": 273, "likes": 14, "as_of": "2026-10-26"} |
| `overview_sources` | ["https://huggingface.co/unitreerobotics/UnifoLM-ER-Flow"] |

## 技术详解与生态说明

UnifoLM-ER-Flow 是在 UnifoLM-ER-1 基础上扩展的视觉语言模型，面向机器人交互，将视觉观测、语言条件、预测的未来动态区域和机器人动作在单一模型中联合对齐。其交互中心世界建模使用光流提取代表未来场景变化的动态区域，并用 VQ-VAE 编码为固定长度离散 token；模型可在当前图像与任务描述或动作条件下预测未来动态区域的 mask token。

动作学习部分把统一动作空间划分为末端执行器位姿、末端执行器关节和下肢关节三类，并分别训练 RVQ 模型将连续动作序列离散化。生成的动作 token 与未来动态区域 mask token、图像 token、语言或动作 token 一起输入 VLM；示例任务包括 Clean table、Fold towel、Packaging phone 和 Place plates。

## 原始核验来源 (Sources)

- [Hugging Face unitreerobotics/UnifoLM-ER-Flow](https://huggingface.co/unitreerobotics/UnifoLM-ER-Flow)