2026年1月29日，宇树科技宣布开源面向人形机器人操作的视觉-语言-动作（VLA）大模型UnifoLM-VLA-0。该模型基于Qwen2.5-VL-7B，在约340小时真机数据上持续预训练，融合2D/3D空间感知与动力学建模，支持单策略完成12类复杂操作任务。真机验证显示其具备强鲁棒性与泛化能力，空间理解性能显著优于基线模型。项目代码及主页已同步公开。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。