宇樹發佈 UnifoLM-OminiA-0.3 模型，支持全模態交互理解

宇樹科技於今日（7月20日）正式發表新一代人工智慧模型「UnifoLM-OminiA-0.3」，這款模型主打全模態交互理解能力，能夠以單一模型統籌執行多種居家康養場景中的複雜任務，從物品辨識、搬運到精細操控與設備控制，全程自主運作並具備抗干擾能力。根據官方公布的演示影片，該模型已在宇樹的人形機器人G1上完成實際應用測試，展現出從感知到行動的完整閉環。此次發表的UnifoLM-OminiA-0.3模型，核心特色在於其「全模態」互動理解能力。

不同於過去需要分別訓練視覺、語言、動作等不同模組的作法，宇樹科技宣稱此模型能將多種感知輸入（如影像、語音、觸覺等）與行動輸出整合在同一個神經網路架構中，讓機器人面對複雜家居環境時，不需要外部指令拆分或人工介入，就能直接理解使用者意圖並做出適當反應。在實際任務演示中，機器人G1首先展示了物品搬運功能：它能辨識地上的一個抱枕，並自主將其拾起放到沙發上。過程中，機器人還能同時回答使用者提出的問題，例如當被問及抱枕的顏色時，它立即回應「白色」。更進一步，機器人還能辨識桌上的藥盒，準確說出藥盒的數量（三個）以及各自的顏色（紅、藍、黃）。

這些視覺辨識與語言回答幾乎同步進行，顯示模型在跨模態訊息處理上的即時性。除了基礎的辨識與搬運，UnifoLM-OminiA-0.3還支援精細操作。演示中，機器人能夠將原本放在第三層的藍色藥盒取出，並放到最上層；同時也能將散落的衣服放進髒衣簍，或將盤子平穩地放入洗碗機中。這些動作需要機器人協調手臂、手指的力度與角度，並根據物體形狀與位置即時調整，顯示模型在運動控制上的精準度。另一個值得關注的亮點是設備控制能力。在演示中，機器人成功操作了醫療病床的升降功能，並在使用者喊出「停」的瞬間立即停止運動，展現出對語音指令的即時反應與安全中斷機制。

這對於居家康養場景中常見的長者照護或復健輔助，具有實際應用價值。宇樹科技表示，UnifoLM-OminiA-0.3是該公司在人形機器人G1上整合通用人工智慧（AGI）與物理人工智慧（Physical AI）技術的重要里程碑。透過這個模型，機器人不再只是被動執行預設程式的工具，而是能主動理解環境、與人自然互動，並根據即時狀況調整行動策略。這項技術的突破，也讓宇樹在機器人從感知到行動的完整閉環中，跨出了關鍵一步。從技術架構來看，UnifoLM-OminiA-0.3採用的是單一模型統一處理多種任務的設計哲學。

傳統上，機器人需要分別搭載物體辨識模型、語音辨識模型、路徑規劃模型、動作控制模型等，彼此之間需要複雜的介面與協調機制。而宇樹的新模型則試圖以一個端到端的架構，直接將視覺、聽覺、語言理解與運動控制整合在同一網路中，減少延遲與溝通誤差，提升整體執行效率與穩定性。這項技術的發表，也反映出宇樹科技在機器人領域的長期布局。過去該公司以四足機器人聞名，近年則積極投入雙足人形機器人G1的研發，並強調其人工智慧能力的持續升級。UnifoLM-OminiA-0.3的推出，不僅強化了G1在居家環境中的實用性，也為未來機器人進入家庭照護、康復輔助、家務管理等應用場景，奠定了更穩固的技術基礎。

市場觀察人士指出，全模態交互理解是當前機器人與人工智慧領域的熱門研究方向，但能將理論落地到實際硬體並展示穩定成果的案例並不多。宇樹此次透過具體的任務演示，證明了其模型在真實環境中的可行性，尤其是在抗干擾與即時反應方面的表現，對於未來商業化應用具有指標性意義。目前宇樹尚未公布UnifoLM-OminiA-0.3模型的具體參數規模、訓練資料來源或對外開放時程，但從演示內容來看，該模型已具備在典型家居場景中處理多種常見任務的能力。隨著後續版本迭代與硬體整合優化，宇樹有望在居家康養機器人市場中佔據更重要的位置。