宇树机器人终于学会“先想后动”了！一套模型包揽64种家务，宇树把家底全开源了

未来家庭或许即将迎来一位特殊的“新成员”。当你下班回家随口指令“收拾客厅”，机器人便能自主完成叠衣、归置物品及整理线路等复杂操作，无需预设程序或额外指令。

9 月 10 日，宇树科技正式开源新一代通用人形机器人基座模型UnifoLM-WLA-1.0。此次开源涵盖代码、模型权重及训练数据集，被业内评价为“连家底一起交”的重磅举措。

单模型统筹 64 项任务，打破专用限制

传统人形机器人往往针对单一任务单独训练模型，任务切换需重新训练。UnifoLM-WLA-1.0 打破了这一局限，单个模型即可统筹 64 项任务：包含 54 项桌面精细操作（如叠毛巾、收纳餐盘、电池充电等）及 10 项全身移动操作（如倒垃圾、铺床、取蔬菜等）。

该模型不绑定单一末端执行器，无论是平行夹爪还是灵巧手均可适配，实现了类似人类工人“换工具不换技能”的灵活性。

在性能表现上，该模型在空间规划任务 EGO-PLAN2 中得分55.1，远超此前开源标杆 RoboBrain2.0-7B 的 33.23；在空间指代理解 REF-SPATIAL 任务中得分61.7，显著优于 Pelican-7B 的 22.3。部分空间能力甚至被媒体评价为超越 GPT-6。

核心突破：具身推理与动态区域预测

UnifoLM-WLA-1.0 的核心创新在于构建了“具身推理 + 未来变化预测 + 动作学习”体系。机器人在执行动作前，能够预判操作引发的环境变化。

例如，机器人在叠毛巾时知晓物体会发生形变，移动物体时能识别画面中真正变化的区域。这套动态区域预测系统通过光流提取视频帧中的变化区域并压缩为 Token，使模型仅需当前画面与任务描述即可预测未来状态。

简言之，该模型并非简单的“看到即做到”，而是具备“预判接下来会发生什么”的能力。这款 6B 参数模型基于约2500 小时高质量真机数据训练，融合了超500 万具身推理样本。

全面开源的战略意图：加速行业临界点

宇树科技选择将耗费巨大成本训练的基座模型及数据全部开源，旨在解决行业痛点。宇树创始人王兴兴此前指出，当前人形机器人的最大瓶颈并非硬件，而是“泛化能力”不足。

在固定场景中，机器人任务成功率可接近 100%，但一旦环境或操作对象微调，成功率便大幅下降。这种因感知、决策、执行偏差累积导致的“最后几毫米”误差，阻碍了机器人的实际应用。

王兴兴提出，当机器人在 80% 的陌生场景中仅凭指令完成 80% 的任务时，具身智能的"ChatGPT 时刻”便会到来，预计时间在 2 至 10 年之间。开源基座模型正是为了加速这一临界点的到来，降低算法部署门槛，推动行业从“四肢发达”的表演阶段走向“头脑灵活”的实用阶段。

行业观察：构建具身智能的“安卓生态”

首先，核心价值在于“预测变化”的能力。相比传统的“看到 A 做动作 B"，UnifoLM-WLA-1.0 学会了“看到 A，做动作 B，并预判 C 区域变化”。这种对因果律的理解而非单纯的动作记忆，是泛化能力的真正来源。

其次，数据开源比模型开源更具冲击力。2500 小时真机数据与 500 万 + 推理样本是极高的竞争壁垒。宇树主动拆除此壁垒，意在通过共建公共基座，吸引开发者生态，解决行业标准不统一、数据匮乏的问题，并为后续的后训练、算力及仿真服务创造商业场景。

最后，具身智能的“安卓时刻”可能早于预期。正如安卓凭借开放性统治手机市场，宇树希望通过开源 UnifoLM-WLA-1.0 成为具身智能领域的底层标准。随着蚂蚁灵波、英伟达 GR00T、谷歌 Gemini Robotics 等相继入局，“具身大脑”的生态争夺战已然打响。

回到最初的应用场景，机器人自主收拾房间的时刻可能比预想中更近。王兴兴预判的 2 到 3 年爆发期，正因此次开源而进一步提前。

参考资料：

1. 新浪科技《宇树科技：通用人形基础模型全面开源，代码、模型、数据集将开放》（2026 年 9 月 10 日）
2. 行家说机器人《宇树机器人，终于长脑子了！》（2026 年 9 月 13 日）
3. 智东西《刚刚，宇树通用人形“大脑”来了！能干 64 种活，多项空间能力超 GPT-6》（2026 年 9 月 10 日）
4. 光明网《王兴兴透露：宇树科技正推动物理 AI 机器人自进化》（2026 年 8 月 20 日）
5. 上观新闻《宇树上市后，王兴兴最新判断：机器人产业爆发临界点，可能就在 2-3 年后》（2026 年 8 月 20 日）
6. 钛媒体《谁在争夺“具身大脑”？》（2026 年 7 月 29 日）
7. 创业家《宇树把人形“大脑”开源了：单模型干 64 种活，2500 小时真机数据》（2026 年 9 月 11 日）
8. Unitree 项目主页 unigen-x.github.io

本文由 Zero 君基于公开资料整理分析，个人见解仅供参考。

声明

免责声明：部分文章和信息来源于互联网，不代表本订阅号赞同其观点和对其真实性负责。如转载内容涉及版权等问题，请立即与小编联系，我们将迅速采取适当的措施。本订阅号原创内容，转载需授权，并注明作者和出处。

编辑：Zero