宇树发布 UnifoLM-WLA-1.0：6B 参数一个模型统管 64 项任务，具身推理拿下 7 项开源第一

从「一个任务一套策略」到「一个模型统管全身」

宇树科技发布新一代通用人形机器人基础模型 UnifoLM-WLA-1.0。WLA 是 World-Language-Action（世界-语言-动作）的缩写，模型规模 6B，使用约 2500 小时真机数据训练，用同一个模型覆盖 64 项任务，其中 54 项是桌面操作，10 项需要全身协调。

过去人形机器人领域的做法是针对不同任务训练或配置不同策略，叠毛巾、铺床、倒垃圾各有一套逻辑，开发和迁移成本都很高。UnifoLM-WLA-1.0 把具身推理、未来动态区域预测和动作生成放进同一个框架，让机器人先理解当前环境和可能发生的变化，再生成动作，并把机械臂、末端执行器与下肢动作统一调度。

它同时支持低成本二指夹爪和 Shadow Dexterous Hand、Allegro Hand 等主流五指灵巧手，意味着模型能力不再被某一种机械臂型号锁死。

具身推理底座拿下 7 项开源第一

支撑这套系统的具身推理底座是 UnifoLM-ER-1-4B，基于 Qwen3-VL-4B 训练，使用了超过 500 万条具身推理样本。在 16 项多模态感知与理解基准中，它在 7 项上取得开源模型最佳成绩，优势集中在空间理解与推理，覆盖 RefSpatial-Bench、Where2Place、PixMo-Point、BLINK、EmbSpatial、RoboSpatial 和 VSR 等榜单。

部分成绩甚至高于头部闭源模型。以 Where2Place 为例，UnifoLM-ER-1-4B 得分 82.0，GPT-6 Astra 为 69.0；在 EmbSpatial 上两者分别是 88.9 和 83.3。对机器人来说，空间理解比对话能力关键得多，看得懂东西在哪、怎么摆、下一步会发生什么，才谈得上做得对。

过去人形机器人的痛点不是能不能动，而是每动一下都要重新写一套逻辑。一个模型同时覆盖桌面操作与全身操作，是走向通用的第一步。

开放权重背后的生态逻辑

宇树已经上线 UnifoLM-WLA-1.0 项目主页，开放部分模型权重和数据，后训练代码、UnifoLM-WLA-Base 权重、全身遥操作数据集和操作数据集仍列在后续开放计划中。这一节奏和它此前发布的 UnifoLM-WMA-0（世界模型方向，2025 年 9 月开源）、UnifoLM-VLA-0（视觉-语言-动作方向，2026 年 1 月开源）形成连续路线。

开放模型与数据能降低中小型机器人公司和研究机构的入场成本，也能吸引更多团队适配它的接口，从而扩大接口规范的影响力。不过需要清醒看待：64 项任务展示的是同一模型覆盖多种操作的能力，跨场景与跨本体的泛化仍需更多真实环境验证，实际部署也仍要结合本体、数据和控制系统做工程开发。

参考来源：北青网 https://news.ynet.com/2026/09/19/4045314t70.html ；太原日报 http://qx.tynews.com.cn/system/2026/09/19/031071074.shtml