宇树科技近日发布了面向多种机器人本体的开源世界模型-动作（wma）架构——unifolm-wma-0。该架构致力于为通用机器人学习构建统一的技术底座，其核心是一个能够理解机器人与环境之间物理交互规律的世界模型。
这一世界模型具备两大关键能力：
- 仿真引擎：可作为交互式仿真工具，用于生成机器人学习所需的合成数据。
- 策略增强：能与动作头模块无缝对接，通过预测未来与物理环境的交互过程，提升决策质量。
模型可接收视觉图像和自然语言指令，并据此生成符合语义描述的未来动作视频序列。
据官方说明，UnifoLM-WMA-0 支持两种工作模式：
- 决策模式：输出机器人与环境物理交互的预测结果，辅助策略网络生成更优动作。
- 仿真模式：根据给定的机器人动作，生成高保真的环境响应反馈。
在训练过程中，研发团队利用宇树科技公开发布的5个开源数据集对模型进行训练。测试表明，该模型能够基于“当前画面”以及预设的“未来机器人动作”，实现可控的交互内容生成，并展现出在长周期任务中持续生成合理交互行为的能力。
项目主页：https://www.php.cn/link/a7a1b53e91a3344e9eb9db2a6fa4eae2
开源代码地址：https://www.php.cn/link/5cd338743288fdb62b74ee279d51bf93
