UnifoLM-VLA-0
행동 생성 (VLA)발표일 2026.01가중치 공개 · CC-BY-NC-SA-4.0
유니트리가 2026년 1월 공개한 범용 휴머노이드 조작용 행동 생성 (VLA) 모델로, Qwen2.5-VL-7B를 로봇 데이터로 추가 사전학습한 뒤 액션 헤드를 붙였어요. G1 휴머노이드에서 단일 정책으로 12개 범주 조작 과제를 수행했고, 비상업 라이선스로 가중치·학습 코드를 공개했어요.
- 파라미터
- 7추정
- 제어 빈도
- —값 없음 (미공개이거나 아직 확인하지 못함)
- 적용 로봇
- 1대
- 벤치마크 결과
- 1건
B (10억 개)
Hz · 행동 출력 빈도
윙치키에 연결된 로봇
수록된 점수
공식 자료프로젝트 페이지 unigen-x.github.io코드 저장소 github.com가중치 huggingface.co
한눈에 읽기
무엇인가
- 행동 생성 (VLA) — Vision-Language-Action. 영상과 지시를 받아 로봇의 팔·손 동작으로 바꾸는 AI.
- 발표일 2026-01
- 가중치 공개 (CC-BY-NC-SA-4.0) — 내려받아 직접 실행·추가 학습할 수 있음
- 이 모델을 쓰는 로봇 1대
- 수록된 벤치마크 결과 1건
확인된 정보
- 사양 9개 항목 중 4개에 값이 있음
- 공식 공식 3개: 구조, 적용 로봇 형태, 발표 벤치마크
- 값 확인일 2026-01 · 값마다 출처는 아래 '구조와 학습' 표
확인이 필요한 정보
- 추정 값: 파라미터 (B)
- 값 없는 기본 사양 (공개 자료에서 찾지 못함): 입력, 제어 빈도 (Hz), 학습용 데이터셋
- 수록된 벤치마크 결과 1건이 모두 자체 발표 — 자체 발표 외 평가는 아직 수록되지 않았어요
어떤 모델인가
UnifoLM-VLA-0는 유니트리(Unitree)가 2026년 1월 29일 공개한 범용 휴머노이드 조작용 행동 생성 (VLA) 모델로, UnifoLM 계열 모델이며 이해·계획 (VLM) 모델에 공간 인식과 기하학적 이해를 더하는 것을 목표로 한다. 오픈소스 Qwen2.5-VL-7B를 로봇·일반 장면 데이터로 지속 사전학습해 UnifoLM-VLM-0를 만든 뒤 행동 헤드를 붙였고, 행동 묶음(action chunk) 예측에 순·역 동역학 제약을 결합해 행동 시퀀스를 통합 모델링한다. VLM 단계는 2D 검출·분할, 계층적 작업 분해, 3D 물체 검출, 공간 추론, 궤적 예측 등 다중 과제 데이터로, 행동 단계는 공개 로봇 조작 데이터셋에서 골라낸 약 340시간의 실제 로봇 데이터로 이산 행동 예측을 학습했다.
유니트리는 G1 휴머노이드에서 단일 정책으로 12개 범주의 조작 과제를 수행했고 LIBERO 평균 98.7%로 비교표의 EO1·OpenVLA-OFT·GR00T N1.6·π0.5보다 높았다고 발표했다. 학습·추론 코드와 VLM·VLA 가중치가 공개됐으며, VLA 가중치는 비상업 CC BY-NC-SA 4.0 라이선스다.
회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.
구조와 학습
| 구조 | Qwen2.5-VL-7B 기반 이해·계획 (VLM) 지속 사전학습 + 액션 헤드(액션 청크 예측, 순·역 동역학 제약)공식 |
|---|---|
| 파라미터 (B) | 7추정 |
| 적용 로봇 형태 | 휴머노이드(Unitree G1)공식 |
| 발표 벤치마크 | LIBERO 평균 98.7%(Spatial 99.0/Object 100/Goal 99.4/Long 96.2); G1 실로봇 12개 범주 과제 단일 정책 수행공식 |
적용 로봇
- G1 유니트리
벤치마크 결과
결과 날짜 최신순 · 같은 벤치마크라도 세부 조건이 다르면 직접 비교할 수 없어요| 벤치마크 | 세부 조건 | 점수 | 평가 구분 | 결과 날짜 |
|---|---|---|---|---|
| LIBERO | 평균 (Spatial/Object/Goal/Long) | 98.7% | 자체 발표 | 2026-01 |