什么是UnifoLM（宇树统一大模型）

UnifoLM（宇树统一大模型）概述
UnifoLM（全称 Unitree 机器人统一大模型）是宇树科技面向通用机器人研发的核心大模型，旨在为不同形态的机器人提供统一的感知‑规划‑执行能力。它把机器人与环境的交互抽象为“世界模型‑动作”架构，使机器人能够在视觉、触觉、 proprioception 等多模态信息的支撑下，实现对未来动作的预测与决策，从而大幅降低真实环境中的试错成本。

1. 技术架构与核心组件

整体架构采用 端到端 设计，输入多模态感知（RGB‑D、激光雷达、力传感器等），输出统一的动作序列，实现感知‑规划‑执行的闭环闭合。

2. 训练数据与方法

• Open‑X 数据集：UnifoLM 在公开的 Open‑X 大规模机器人交互数据集上进行预训练，随后在自研的仿真数据上微调，以覆盖多种机器人形态和任务场景。
• 多模态融合：模型同时处理视觉、深度、点云、关节状态等信息，实现跨感知通道的特征对齐。
• 模仿学习 + 强化学习：通过专家示范数据进行行为克隆，再利用强化学习在仿真环境中进行策略优化，形成“世界模型‑动作”双向学习闭环。

3. 核心能力

1. 感知‑理解：能够从摄像头、激光雷达等多源输入中构建环境的 3D 语义图，识别障碍、可操作对象等。
2. 动作预测：基于当前状态预测未来数帧的机器人姿态与末端执行器轨迹，支持视频级别的动作预演。
3. 决策规划：在仿真与真实环境之间切换，实时生成符合物理约束的动作指令。
4. 自我学习：通过在线强化学习持续改进策略，实现“每天都在升级进化”。
5. 跨平台迁移：同一模型可适配 Unitree G1、人形 H1、机器人狗等多种硬件平台，提供统一的 AI 大脑。

4. 应用场景

5. 开源与生态

• 开源时间：2025 年 9 月，宇树科技正式将 UnifoLM‑WMA‑0（世界模型‑动作架构）及其训练/推理代码、模型 Checkpoints 开源至 GitHub。
• 开源内容：包括仿真引擎、策略增强模块、完整的 Transformer 架构实现以及详细的使用文档。
• 社区生态：已有 100+ 星标，全球开发者可基于该框架进行二次创新，推动具身智能（Embodied AI）整体进步。

6. 发展历程与意义

意义：UnifoLM 把“大模型”概念从语言/视觉迁移到具身智能，提供了统一的学习框架，使得不同硬件之间可以共享知识、复用策略，显著降低机器人研发成本，提升了机器人在复杂真实环境中的适应能力，成为国内外机器人 AI 竞争的核心技术之一。

7. 小结

UnifoLM（宇树统一大模型）是一个 基于 Transformer 的多模态世界模型‑动作架构，通过仿真引擎、策略增强和端到端的感知‑规划‑执行闭环，实现了机器人对环境物理规律的深度理解与高效决策。自 2024 年首次发布至 2025 年开源，已在 Unitree G1、人形 H1 等多平台落地，并形成活跃的开源社区，正在推动具身智能向更广阔的工业与服务场景渗透。