9月15日，宇树科技宣布开源UnifoLM-WMA-0——跨多类『机器人』️本体的开源世界模型-动作架构。宇树科技介绍，UnifoLM-WMA-0专为通用『机器人』️学习而设计，其核心在于一个可以理解“『机器人』️与环境交互”物理规律的世界模型。
该世界模型具备两大核心功能：一是仿真引擎，作为交互式仿真器运行，为『机器人』️学习提供合成数据；二是策略增强，可与一个动作头进行对接，通过预测未来与物理世界的交互过程，进一步优化决策性能。
通俗而言，仿真引擎像一个虚拟训练场，可以生成大量合成数据供『机器人』️学习和训练；策略增强可以预测『机器人』️在真实环境中的“下一步”，为决策提供参考。这让人形『机器人』️不需要每次都在真实环境试错，也能变得更“聪明”。
宇树科技在五个开源数据集上完成模型训练，测试结果显示，模型作为仿真引擎，可根据“当前图像”及一定数量的“『机器人』️未来动作”，实现交互可控生成。
此外，宇树科技介绍，其世界模型也有能力实现长程任务的持续交互生成，生成结果与原视频对比如下所示：
宇树科技称，为了推进全球具身智能行业发展，宇树科技现将此世界模型-动作架构完整开源并持续更新，一起让通用『机器人』️尽早成为可能。
在一众人形『机器人』️企业中，宇树科技以强悍的硬件能力著称，但其在软件上的布局不容小觑。去年8月的2024世界『机器人』️大会期间，宇树科技创始人、CEO王兴兴向上证报等媒体表示：“宇树科技对AI的投资比较克制，因为太烧钱了。”
同一问题，在一年后的2025世界『机器人』️大会上，王兴兴的答案是，宇树在具身智能模型研发上依然保持谨慎投入。虽然宇树的公司规模已有了较大扩张，但放在整个行业里，尤其和大型AI公司相比，规模仍小得多，投入也相对有限。
在他看来，目前『机器人』️的硬件总体来说是够用的，但距离“足够好”还有差距。要实现更大规模应用、更低成本以及更高可靠性，硬件仍需不断完善。
对比而言，具身智能模型研发仍是当前最关键的任务。王兴兴表示，具身智能模型现在不够成熟，相比整个行业的需求，『机器人』️的AI能力依然远远不足。简单来说，如果有一天，在这个场馆里，人形『机器人』️可以自由地走来走去，你随口对它说一句话，它就能帮你完成一件事，具备足够的泛化性，那才可以说是真正达到一个比较理想的临界点。
谈及训练数据，王兴兴称，『大语言模型』只要数据量足够大、质量足够好，模型性能就能快速提升。但在『机器人』️领域，这反而是一个很大的挑战。即便积累了海量数据，并用它训练出一款模型，但放到实体『机器人』️上可能依然无法很好地对齐。也正因如此，『机器人』️领域对AI模型本身的能力要求，比语言模型要高一个等级。
但王兴兴认为，在具身智能模型领域，并不是资源多、资金多、人多，就一定能做出全球最领先的技术——过去的经验已经充分证明这点。很多时候，一个中小团队也有可能做出更出色的成果。
作者：孙小程
