外观
这个模型的核心架构、动作空间设计与真机部署定位。
UnifoLM-VLA-0 是 UnifoLM 系列中的 Vision-Language-Action 大模型,面向通用人形机器人操作。它针对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持续预训练,从视觉语言理解扩展为具备物理常识的具身模型。
模型强调指令理解与空间理解,将文本指令与 2D/3D 空间细节深度结合,以增强空间感知和几何理解能力。其训练还利用 full dynamics prediction data,用于提升跨多样化操作任务的泛化能力。
在真实机器人验证中,该模型使用单一策略完成了 12 类复杂操作任务。模型以 CC BY-NC-SA 4.0 许可发布,使用者需确保对 Unitree AI Models 的使用符合法律要求。
参数量、网络主干、控制频率、显存需求及 Hugging Face Hub 统计。
暂未公开或待收录:微调显存需求 · 闭环控制频率
开源许可证、权重拉取命令、预训练数据集与关联文章。
代码许可证
Apache-2.0
权重许可证
Apache-2.0
# 1. 从 Hugging Face Hub 下载模型权重与配置
huggingface-cli download unitreerobotics/UnifoLM-VLA-Base --local-dir ./checkpoints/unitreerobotics-unifolm-vla-base
# 2. 使用 LeRobot / Transformers 加载策略开展真机或仿真闭环推理
python -m lerobot.scripts.eval --policy.path=unitreerobotics/UnifoLM-VLA-Base模型卡或论文声明在这些机器人上训练、微调或部署过;口径是作者声明,不是第三方复现。
同一家族里的热门模型。
本页事实对应的公开页面,以原文为准。