Unitree Robotics社が開発した大型モデルUnifoLM-VLA-0は、汎用ヒューマノイドロボットの操作を支援する。

Unitree Roboticsは、大規模なビジョン・言語・アクションモデルであるUnifoLM-VLA-0のオープンソース化を発表しました。Qwen2.5-VL-7Bアーキテクチャをベースとしたこのモデルは、340時間分の実機データで学習されており、2D/3D空間認識と動的予測機能を統合することで、従来のVLMが抱えていた物理的インタラクションにおける限界を克服しています。