UnifoLM-WLA-1.0

该系统结合了具体推理、动态视觉区域的预测和动作学习。其具体推理器建立在 Qwen3-VL-4B 和超过 500 万个推理样本的基础上。然后，世界语言动作训练利用大约 2,500 小时的真实机器人交互数据。

该项目对于研究人员开发将空间理解与执行联系起来的统一人形政策非常有用。它演示了 64 项任务并提供链接的代码、模型和数据集。实际部署需要兼容的机器人接口和版本中描述的特定于任务的设置。