宇樹科技發佈UnifoLM-OminiA-0.3，實現人形機器人多任務自主執行

宇樹科技近日正式發表人形機器人專用通用智能模型 UnifoLM-OminiA-0.3，這款模型以全模態交互理解為核心架構，能夠整合視覺、語言與動作控制，讓機器人從環境感知、任務理解到自主執行形成完整閉環。根據官方公布的資訊，該模型已在宇樹科技旗下人形機器人 G1 平台上完成部署，並透過實際演示影片展現出多種日常生活場景中的自主作業能力，引起業界高度關注。在演示影片中，搭載 UnifoLM-OminiA-0.3 的 G1 機器人展現出相當靈活的任務執行力。

例如，它能準確辨識地面上的抱枕，並以流暢的動作將其搬運至沙發上；也能根據視覺資訊判斷物品的顏色與數量，在面對三盒不同顏色的藥品時，機器人可依照使用者口頭指令，從中精準抓取指定位置的藥盒。這些操作不僅考驗機器人的視覺辨識能力，更依賴於模型對複雜指令的語意理解與動作規劃。除了物品辨識與搬運，影片還展示了機器人在家務整理方面的表現。G1 能夠將散落的衣物逐一摺疊並歸位，也能將餐盤平穩放入洗碗機，甚至可依照指令調整病床的高度，顯示出該模型在居家照護與康養場景中的應用潛力。這些任務涵蓋了從簡單抓取到需要多步驟協調的複雜動作，展現了 UnifoLM-OminiA-0.3 在真實環境中的適應能力。

在人機互動層面，該模型支援視覺辨識與自然語言理解，使用者可以透過口語指令直接指揮機器人。例如，當機器人正在執行某項操作時，用戶只要說出「停」，機器人便會立即中止動作，避免誤操作或危險情況。這種即時響應機制不僅提升了安全性，也讓非專業使用者更容易上手操控。UnifoLM-OminiA-0.3 的完整閉環流程涵蓋了三個關鍵環節：首先是環境感知，透過攝影機與感測器擷取周圍資訊；其次是任務理解，利用大語言模型與視覺模型解讀使用者意圖；最後是自主執行，將規劃結果轉化為機器人的精確動作。這種從感知到行動的無縫串接，使人形機器人不再只是預設程式的執行工具，而是具備一定自主決策能力的智慧體。

宇樹科技表示，這款模型是該公司在通用人工智能（AGI）與物理人工智慧（Physical AI）兩大領域融合的重要成果。過去人形機器人往往只能執行單一或經過高度訓練的特定任務，而 UnifoLM-OminiA-0.3 的出現，讓機器人能夠在未經大量場景專屬訓練的情況下，直接理解並完成多種不同類型的家務與照護工作。從技術架構來看，UnifoLM-OminiA-0.3 採用全模態交互設計，能同時處理視覺、語音、觸覺等多種資訊來源，並在內部建立統一的表徵空間。這使得機器人可以在同一場景中同時關注多個目標，例如一邊整理衣物一邊留意用戶的語音指令，而不會因任務切換而中斷整體流程。

目前該模型主要應用於宇樹科技的 G1 人形機器人平台，但官方並未排除未來將其擴展至其他硬體載體的可能性。G1 本身具備高度的運動靈活性與關節控制精度，與 UnifoLM-OminiA-0.3 的結合，讓機器人能在狹小空間內完成如放入洗碗機、調節病床高度等需要精細動作的任務。在居家場景中，這項技術的潛在應用相當廣泛。例如，機器人可以協助長者或行動不便者拿取藥品、整理環境、調整家具，甚至能在緊急情況下依指令立即停止動作，降低意外風險。在康養機構中，機器人也可分擔護理人員的重複性勞動，提升照護效率與品質。業界分析認為，宇樹科技此次發布的模型，標誌著人形機器人從實驗室展示走向實際應用的重要一步。

過去人形機器人雖然在運動控制上取得不少進展，但在理解複雜任務並自主執行方面仍存在瓶頸。UnifoLM-OminiA-0.3 透過大模型與物理控制的結合，為解決這項難題提供了可行的技術路徑。隨著模型參數與訓練資料的不斷累積，未來 UnifoLM 系列可望支援更複雜的任務，例如多機器人協作、動態環境中的即時規劃等。宇樹科技也將持續最佳化模型在邊緣運算裝置上的執行效率，讓機器人能在不依賴雲端伺服器的情況下完成即時決策。從整個產業發展來看，人形機器人通用智能模型的出現，可能加速機器人在家庭、醫院、商場等非結構化環境中的普及。

當機器人不再需要針對每個場景反覆編寫程式，而能透過自然語言與視覺理解使用者需求時，其應用門檻將大幅降低。宇樹科技並未透露 UnifoLM-OminiA-0.3 的具體參數規模或訓練方法，但從展示成果來看，該模型已具備初步的通用性與實用性。未來隨著更多測試與迭代，人形機器人可望在更多真實場景中扮演輔助角色，而這款模型的推出無疑為這條道路鋪設了關鍵的技術基石。