Unitree, 휴머노이드용 6B 모델 UnifoLM-WLA-1.0 공개

Unitree Robotics가 휴머노이드 로봇의 조작 및 이동 작업을 수행하는 UnifoLM-WLA-1.0 모델을 공개했다. 이 모델은 6B 파라미터 규모로, 기존 비디오 생성 방식과 달리 미래 장면의 **변화 영역(dynamic region)**만을 이산 토큰으로 압축 예측하는 새로운 구조를 채택했다.

핵심 기술 및 구조

• 변화 영역 예측: 전체 영상 생성 대신 Optical Flow 기반의 변화 영역을 VQ-VAE로 토큰화하여 예측함으로써 계산 비용을 절감하고 로봇 정책 학습에 필요한 정보에 집중한다.
• 3단 구조: 체화 인지 VLM인 UnifoLM-ER-1(4B)을 기반으로, 변화/행동 토큰 정렬을 수행하는 UnifoLM-ER-Flow를 거쳐 최종 정책 모델인 UnifoLM-WLA-1.0(6B)으로 구성된다.
• 행동 토큰화: 연속적인 궤적을 RVQ(Residual Vector Quantization)로 이산 토큰화하며, 말단 장치의 위치와 회전을 각각 256개 코드로 분리하여 학습한다.

성능 및 데이터

• 학습 데이터: 총 2,500시간의 실기 데이터를 사용했다.
• 실기 시연: Unitree G1 로봇을 통해 탁상 조작 54종과 전신 이동 조작 10종 등 총 64개 작업을 수행하는 영상이 공개되었다.

공개 범위 및 라이선스

• 공개 항목: UnifoLM-ER-1, UnifoLM-ER-Flow 모델 가중치 및 일부 데이터셋(UniBot-V1, WBT)은 Apache 2.0 라이선스로 공개되었다.
• 미공개 항목: 최종 모델인 UnifoLM-WLA-Base(6B)의 가중치, 사후 학습(post-train) 코드, 그리고 전체 학습 데이터셋은 아직 공개되지 않았다.
• 라이선스 주의: 모델 가중치는 Apache 2.0이지만, GitHub 저장소 문서 및 일부 데이터셋은 CC BY-NC-SA 4.0 또는 라이선스 미표기 상태이므로 상업적 활용 시 개별 확인이 필요하다.