# UnifoLM-VLM-Base

> 权威词条地址：https://robotics.hellobike.com/models/unitreerobotics-unifolm-vlm-base
> 所属分类：models | 最近核验日期：2026-03-06 | 技术层级：L7

## 核心摘要

unitreerobotics 在 Hugging Face 发布的机器人模型，架构为 Qwen2_5_VLForConditionalGeneration，参数规模 8.3B。

## 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-VLM-Base"}] |
| `updated` | 2026-03-06 |
| `vendor` | unitree |
| `family` | other |
| `params` | 8.3B |
| `architecture` | Qwen2_5_VLForConditionalGeneration |
| `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-VLM-Base |
| `hub_stats` | {"downloads": 552, "likes": 6, "as_of": "2026-10-26"} |
| `overview_sources` | ["https://huggingface.co/unitreerobotics/UnifoLM-VLM-Base"] |

## 技术详解与生态说明

UnifoLM-VLA-0 是 UnifoLM 系列中的视觉-语言-动作大模型，面向通用人形机器人操作。它旨在突破传统视觉语言模型在物理交互中的限制，通过在机器人操作数据上继续预训练，使模型从视觉语言理解扩展到具备物理常识的“具身大脑”。

模型针对操作任务中的指令理解与空间理解需求，将文本指令与 2D/3D 空间细节进行深度融合，以增强空间感知和几何理解能力。它还利用完整动力学预测数据提升跨操作任务的泛化能力，并在真实机器人验证中使用单一策略完成了 12 类复杂操作任务。模型许可为 CC BY-NC-SA 4.0。

## 原始核验来源 (Sources)

- [Hugging Face unitreerobotics/UnifoLM-VLM-Base](https://huggingface.co/unitreerobotics/UnifoLM-VLM-Base)