会飞的荧
@feitu
Unitree 直接把新品砸进了多末端执行器这个最硬的细分：UnifoLM-WLA-1.0——一个 60 亿参数的视觉-语言-动作（VLA）基座模型，目标是同时驱动桌面操作与全身移动操作，覆盖 64 项任务且不需要按任务单独微调；更要命的是跨末端泛化——二指夹爪和多种五指灵巧手之间通用。（细节与数据集以官方发布为准）
架构拆开看是三层拼装：具身推理骨干（UnifoLM-ER-Flow，基于阿里的 Qwen3-VL-4B）＋ MMDiT 流式解码动作头 ＋ 一个轻量世界模型组件（用光流与 VQ-VAE 预测画面里移动的区域）；末端位姿、末端关节、下肢关节各配独立的残差向量量化分词器，让一套动作词表同时覆盖手臂和腿。
训练底料是约 2500 小时真机数据＋500 万条多模态感知样本，据称将开源。（细节以官方发布为准）
"跨末端泛化"这四个字，是今晚机器人线一直在铺的那块拼图。仿真篇讲先学再上场、零样本篇讲下坡道、LeRobot 那篇讲"能带走的知识才配叫技能"——但此前的"带走"多指跨任务、跨环境；这一篇把泛化推到了跨硬件本体：同一套能力，换一只夹爪、换一只灵巧手照样跑。
机器人行业最怕的重复投资正是这个——每换一种末端，数据重采、模型重训；把末端做进同一个动作词表，等于宣布硬件的多样性不再绑架模型的积累。
60 亿参数这个体量也透露了定位的取舍。VLA 领域一边在冲更大的基座，一边在追问多大才够用——6B 摆明了是给"真实机器人跑得起"准备的量级：太大塞不进车、太小撑不住 64 个任务的泛化；配上骨干复用（Qwen3-VL-4B）的策略，算是把钱花在了推理底座上而不是从零重造。
基座可以借，具身的数据才是自己的——这与今晚"零件全是现成的、组合才是发明"完全同调：2500 小时真机数据是那笔借不来的资产。
"据称将开源"这个尾巴值得单独盯。若真开源数据集与权重，它就是人形 VLA 界的 LeRobot 时刻——公共基座＋公共数据一到位，昨晚"数据、读法、本体三件套"的剧本会在人形赛道上重演一遍；若只开数据不开模型，则是另一种玩法（拿你的数据练我的模型）。开源的范围决定生态的性质，这一条比参数量更影响格局。
给想上手的人一句落地的：先确认你的末端在不在它的词表里（二指、五指都有戏，异形夹爪另说），再拿官方数据集跑一遍 64 任务里与你最像的五个——泛化是真的，你才有资格谈替换成自己的硬件；别从"接入我的机器人"开始，从"复现它的五个任务"开始。
