# 宇树科技重磅开源UnifoLM-VLA-0：基于Qwen2.5-VL-7B，单一模型实现12类机器人操作，准确率98.7%

- Link: https://paooo.com/aigc-news/11535/
- Published: 2026-06-11T19:42:22+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 基于 Qwen2.5-VL-7B 的通用 VLA 架构，单模型覆盖12类复杂人形机器人操作。
 * 融合2D/3D感知、轨迹预测与动作块建模，强化空间理解和长程任务规划。
 * LIBERO 仿真测试平均准确率达98.7%，验证其跨任务泛化与实操潜力。

> **💡 站外导读：**当大语言模型在数字世界中大放异彩时，如何将AI的智慧“注入”机器人的
> 身体，让它们像人一样理解物理世界并灵活操作，成为通往通用人工智能（AGI）的下一座
> 高峰。当前机器人操作模型面临的核心痛点是：任务泛化能力弱，通常一个模型只能完成
> 一项指定任务，难以适应复杂多变的真实环境。宇树科技开源的UnifoLM-VLA-0模型，正是
> 为了破解这一难题而生。它通过创新的视觉-语言-动作（VLA）架构，试图让一个模型掌握
> 多种操作技能，推动机器人从“专用工具”向“通用助手”的范式转变。

## UnifoLM-VLA-0是什么

UnifoLM-VLA-0 是宇树科技开源的通用视觉-语言-动作（VLA）[大模型](https://paooo.com/ai-study/)，
基于 Qwen2.5-VL-7B 架构进行持续预训练。模型通过融合 2D/3D 空间感知、轨迹预测等多
维监督信号，实现从”视觉语言理解”到”具身智能体”的进化。模型采用单一策略即可完成整理
桌面、叠毛巾、分拣水果等12类复杂人形机器人操作任务，在 LIBERO 仿真基准测试中平均
准确率达 98.7%，展现出强大的空间推理能力和跨任务泛化性能。

阅读目录

 * [UnifoLM-VLA-0是什么](https://paooo.com/aigc-news/11535/#unifolmvla0%e6%98%af%e4%bb%80%e4%b9%88)
 * [UnifoLM-VLA-0的主要功能](https://paooo.com/aigc-news/11535/#unifolmvla0%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [UnifoLM-VLA-0的技术原理](https://paooo.com/aigc-news/11535/#unifolmvla0%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [UnifoLM-VLA-0的项目地址](https://paooo.com/aigc-news/11535/#unifolmvla0%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [UnifoLM-VLA-0的应用场景](https://paooo.com/aigc-news/11535/#unifolmvla0%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/11535/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

![UnifoLM-VLA-0](https://paooo.com/wp-content/uploads/2026/05/UnifoLM-VLA-0-website-
1.avif)

## UnifoLM-VLA-0的主要功能

 * **通用机器人操作**：作为端到端的视觉-语言-动作模型，UnifoLM-VLA-0 能通过自然语言
   指令控制人形机器人完成复杂操作任务，包括整理物品、叠毛巾、分拣水果、工具归位、
   擦拭桌面等12类多步骤长程任务。
 * **空间感知与推理**：模型具备强大的2D/3D空间理解能力，包括物体检测与分割、3D边界
   框预测、空间关系推理（如”左边的铅笔”）、 affordance 推理（可抓取位置判断）以及
   轨迹规划。
 * **单策略多任务**：仅需单一模型权重即可泛化到不同场景和任务，无需针对每个任务单独
   训练，展现出优异的跨任务迁移能力。

## UnifoLM-VLA-0的技术原理

 * **模型架构**：基于开源 Qwen2.5-VL-7B 视觉语言大模型，新增 Action Head 动作预测
   头，构建端到端的视觉-语言-动作架构，实现从视觉感知和自然语言理解直接输出机器人
   控制动作。
 * **持续预训练**：模型在覆盖机器人与通用场景的多任务数据集上进行持续预训练，整合
   2D 检测分割、层次化任务分解、3D 物体检测、空间推理、轨迹预测等多样化监督信号，
   强化模型的多模态感知与物理理解能力。
 * **动作建模**：模型引入动作块预测机制，同时施加前向与逆向动力学约束，对动作序列
   进行统一建模，使模型深入理解机器人与物体间的物理交互动态，支持长程动作规划与决策。
 * **空间增强**：通过深度融合文本指令与 2D/3D 空间细节，建立语义逻辑与几何空间的
   精准对齐，显著提升空间感知与几何理解能力，满足操作任务对指令理解和空间推理的要求。

## UnifoLM-VLA-0的项目地址

 * **项目官网**：https://unigen-x.github.io/unifolm-vla.github.io/
 * **GitHub仓库**：https://github.com/unitreerobotics/unifolm-vla

## UnifoLM-VLA-0的应用场景

 * **家庭服务**：模型可执行整理桌面、折叠毛巾、擦拭污渍等日常家务操作任务。
 * **办公辅助**：模型能完成收拾文具、整理书包、工具归位等办公环境维护工作。
 * **医疗健康**：支持开启药瓶、分装药品等需要精细操作的医疗辅助场景。
 * **教育培训**：可用于按颜色分类物品、堆叠积木等结构化认知教学演示。
 * **工业分拣**：模型支持实现按规则将水果、零件等物品分类放置到指定区域的自动化分
   拣。

#### 📝 站长洞察 (Editor’s Insight)

UnifoLM-VLA-0的发布，绝非仅仅是一个新模型的开源，它清晰地勾勒出2024-2025年具身智能
演进的核心路径。其一，它验证了‘基座模型+领域适配’范式在机器人领域的可行性：基于强大
的Qwen2.5-VL-7B视觉语言基座进行持续预训练，比从头训练一个专用模型更具效率和泛化潜力。
其二，‘单策略多任务’的架构设计，直指机器人规模化落地的瓶颈——数据与算力的经济性。
通过引入动作块预测和空间语义对齐，模型试图建立一种更接近人类‘感知-思考-行动’的连贯
认知，而不仅是模式匹配。这标志着行业竞争正从‘硬件性能’与‘单一场景精度’的比拼，转向‘
大模型通用性’与‘复杂环境理解深度’的高阶较量。宇树此举，一方面彰显其技术雄心，另一方面
也通过开源抢占生态位，为即将到来的机器人‘App Store’时代奠定基础。接下来的关键，将
是在真实物理环境中的鲁棒性和长程任务的可靠性验证。

❓ 常见问题解答（FAQ）

UnifoLM-VLA-0是什么模型？

UnifoLM-VLA-0 是宇树科技开源的通用视觉-语言-动作（VLA）模型，基于 Qwen2.5-VL-7B 
持续预训练，并新增 Action Head，用于把视觉理解和自然语言指令直接转成机器人动作。

UnifoLM-VLA-0能做哪些机器人任务？

文章提到它可用单一策略完成12类人形机器人操作任务，包括整理桌面、叠毛巾、分拣水果、
工具归位、擦拭桌面等，覆盖家庭、办公、教育和工业分拣等场景。

UnifoLM-VLA-0的准确率有多高？

在 LIBERO 仿真基准测试中，UnifoLM-VLA-0 的平均准确率达到 98.7%。这说明它在多任务
操作中具备较强的空间推理能力和跨任务泛化性能。

🔬 语宙深潜追问 · 进阶实操拆解

单模型做多任务的难点是什么？

主要是任务间干扰和动作分布冲突：同一模型要同时学会不同物体、姿态和控制策略，容易
互相覆盖。通常需要更强的视觉表征、任务指令约束和分阶段训练来缓解。

仿真高分能直接代表真机吗？

不能直接等同。仿真里环境更干净、噪声更少，真机还会遇到摩擦、延迟、遮挡和硬件误差。
落地前必须做sim-to-real校准、域随机化和真实场景微调。

🗳️ 读者观点微投票 · 您的实战立场是？

单一VLA模型真能通吃机器人任务吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🏮 所属权威专题：国产大模型选型与资费对比 →](https://paooo.com/topics/domestic-llm-ecosystem/)

 * [宇树科技开源 UnifoLM-WMA-0：突破性世界模型赋能通用机器人学习与决策](https://paooo.com/aigc-news/13714/)
 * [UnifoLM-OminiA-0.3 – 宇树科技推出的全模态交互理解模型](https://paooo.com/aigc-news/36821/)
 * [上海AI实验室开源InternVLA-A1：600万条语料+一脑多形，具身智能大模型实现跨场景零样本泛化](https://paooo.com/aigc-news/13637/)
 * [Wall-OSS-0.5 – 自变量机器人开源的国产具身智能模型](https://paooo.com/aigc-news/18687/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/11535/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
