Avec UnifoLM-WLA-1.0, Unitree ouvre son modèle de fondation le plus complet à ce jour pour les robots humanoïdes. Selon le constructeur chinois, une seule architecture doit couvrir 64 tâches, du tri sur table aux opérations mobiles mobilisant tout le corps. L’initiative est remarquable, car Unitree entend publier non seulement le code et les poids du modèle, mais aussi les jeux de données. Cela ne prouve toutefois pas encore l’existence d’un « cerveau robotique » universellement exploitable.

Les robots humanoïdes impressionnent dans les vidéos par leurs pas rapides, leurs prises précises et leurs mouvements spectaculaires. En pratique, la difficulté majeure se situe entre la caméra et le moteur : une machine doit comprendre une instruction, percevoir son environnement dans l’espace, estimer les conséquences d’un mouvement et choisir l’action appropriée au bon moment. Unitree veut unifier cette chaîne grâce à sa famille de modèles open source UnifoLM.

Dans cet article

L’essentiel en bref

  • Le 10 septembre 2026, Unitree a annoncé l’ouverture complète d’UnifoLM-WLA-1.0.
  • Selon l’entreprise, le modèle compte six milliards de paramètres et a été entraîné sur plus de cinq millions d’exemples de raisonnement incarné ainsi qu’environ 2 500 heures de données issues de robots réels.
  • Une seule politique serait capable de gérer 64 tâches, dont la manipulation sur table, la marche, le transport et d’autres activités mobilisant tout le corps.
  • WLA-1.0 s’inscrit dans une famille : WMA-0 prédit les interactions, tandis que VLA-0 relie vision, langage et action.
  • La plupart des performances publiées proviennent encore d’Unitree. Des reproductions indépendantes et des essais pratiques robustes restent indispensables.

Ce qui distingue UnifoLM d’un modèle d’IA ordinaire

Un modèle de langage produit du texte ; un modèle d’image reconnaît ou génère du contenu visuel. Un modèle robotique doit en plus agir dans le monde physique. Identifier une tasse ne suffit pas. Le système doit déterminer de quelle direction le préhenseur peut l’atteindre, jusqu’où le bras et la main peuvent se déplacer, quelle force appliquer et ce qui risque de se produire si l’objet glisse.

Unitree parle à ce propos d’« embodied intelligence », ou intelligence incarnée. Le logiciel ne reçoit pas seulement des images et des instructions : il apprend aussi les relations entre perception, état du corps, mouvement et résultat. UnifoLM n’est donc pas un programme unique, mais une famille d’approches apparentées pour la modélisation du monde, la planification vision-langage et les actions robotiques.

UnifoLM-WLA-1.0 : 64 tâches avec une seule architecture

La version la plus récente se nomme UnifoLM-WLA-1.0. Unitree la présente comme un modèle de fondation généraliste pour robots humanoïdes. Le système associe une perception multimodale à un modèle du monde centré sur l’interaction. Il doit comprendre les relations spatiales tout en estimant comment le robot, les objets et l’environnement évolueront pendant une action.

Les chiffres annoncés sont importants pour un modèle robotique : six milliards de paramètres, plus de cinq millions d’exemples d’entraînement ER et environ 2 500 heures de données provenant de machines réelles. ER signifie Embodied Reasoning, c’est-à-dire des tâches où le modèle doit transformer des indices visuels et spatiaux en une conclusion physiquement plausible.

Lors de l’évaluation sur robots réels, un seul modèle aurait contrôlé 64 tâches différentes. Elles vont de manipulations fines sur table à des actions mobiles mobilisant tout le corps. Le point important n’est pas seulement le nombre. Les projets robotiques classiques utilisent souvent un contrôleur, une chaîne de données et un réglage spécifiques pour chaque processus. Une politique commune pourrait réduire le temps de développement et faciliter le transfert de compétences entre des tâches proches.

Unitree rapporte également de bons résultats dans plusieurs tests de raisonnement incarné. Pour l’instant, ces résultats doivent être considérés comme des affirmations du constructeur. La publication prendra toute sa valeur lorsque des équipes externes reproduiront les résultats avec les mêmes protocoles, documenteront les échecs et testeront le comportement face à des objets inconnus, un éclairage différent ou d’autres effecteurs terminaux.

WMA-0 : un modèle du monde comme simulateur et aide à la décision

La base conceptuelle est UnifoLM-WMA-0, publié par Unitree en septembre 2025 avec le code d’entraînement, d’inférence et de déploiement ainsi que les poids du modèle. WMA signifie World-Model-Action. Le modèle doit prédire les interactions physiques entre différents types de robots et leur environnement.

Unitree lui attribue deux usages. Comme moteur de simulation, le modèle du monde génère des séquences d’entraînement synthétiques. Les développeurs peuvent ainsi explorer des interactions sans enregistrer chaque essai sur un robot physique. Comme extension de la politique, il prédit des états futurs et transmet à la tête d’action des informations supplémentaires pour choisir le prochain mouvement.

WMA-0 a été entraîné en deux étapes : d’abord sur la collection interplateforme Open-X, puis sur cinq jeux de données publiés par Unitree. Ils comprennent des tâches réalisées avec les bras Z1 et le robot humanoïde G1. Les checkpoints disponibles utilisent la licence non commerciale CC BY-NC-SA 4.0. Ici, « open source » ne signifie donc pas automatiquement que tout usage commercial est autorisé sans accord supplémentaire.

VLA-0 : transformer la vision et le langage en actions

UnifoLM-VLA-0 a été ouvert en janvier 2026. VLA signifie Vision-Language-Action. Le modèle repose sur Qwen2.5-VL-7B et poursuit son entraînement sur des données générales image-texte et des jeux de données de manipulation robotique. Son objectif est de convertir une instruction et des images de caméra en une suite d’actions exécutables.

Unitree affirme qu’une seule politique a réalisé douze catégories de tâches de manipulation complexes lors d’essais sur un G1 réel. Les jeux de données ouverts comprennent notamment l’empilage de blocs, le pliage d’une serviette, le nettoyage d’une table, le rangement d’outils et l’emballage d’objets. Cette diversité montre l’ambition poursuivie : chaque nouvelle tâche ne devrait pas nécessiter un nouveau projet de commande complet.

Le transfert vers d’autres robots reste néanmoins difficile. La longueur des bras, les limites articulaires, la position des caméras, le type de main et la fréquence de commande modifient le sens d’une action. Un modèle fiable sur le G1 n’est donc pas automatiquement une solution universelle pour toutes les plateformes humanoïdes.

De la téléopération à une chaîne de données apprenante

L’architecture du modèle n’est qu’une moitié du progrès. L’autre moitié est l’approvisionnement en données. Avec le jeu UnifoLM-WBT, Unitree publie depuis mars 2026 des données de téléopération de haute qualité couvrant tout le corps dans des scènes réelles. Un opérateur guide le robot à distance pendant que les vues des caméras, les états du corps et les actions sont enregistrés de manière synchronisée.

Ces données fournissent aux modèles des exemples de mouvements coordonnés du corps entier. Leur collecte est toutefois coûteuse : les capteurs doivent être calibrés, les horodatages alignés, les essais ratés signalés et les différents effecteurs documentés précisément. Les 2 500 heures sur machines réelles annoncées pour WLA-1.0 sont donc plus significatives qu’un simple volume de vidéo. Il faut surtout savoir si les enregistrements couvrent suffisamment de variantes et de situations d’échec.

X2-1.0 montre une forte dynamique, mais pas encore une preuve produit

Peu avant l’annonce de WLA, Unitree a présenté UnifoLM-X2-1.0 dans une démonstration plus spectaculaire. La vidéo montre un G1 humanoïde réagissant à un partenaire humain dans une situation de combat sans téléopération visible. Le système est censé prédire les mouvements, planifier et exécuter des actions autonomes en temps réel.

La démonstration illustre l’intérêt des modèles du monde pour les interactions très dynamiques. Elle ne constitue cependant pas une preuve solide d’autonomie générale. X2-1.0 ne dispose encore ni d’un article scientifique détaillé, ni de benchmarks standardisés, ni d’une feuille de route open source confirmée. Une vidéo contrôlée ne permet pas non plus de juger la fiabilité sur de nombreux essais, dans d’autres locaux ou face à des événements inattendus.

Ce que l’ouverture change pour la recherche et l’industrie

La publication simultanée du code, des modèles et des données peut fortement accroître l’utilité d’UnifoLM. Les équipes de recherche disposent d’une base commune pour effectuer des études d’ablation et comparer plus précisément les erreurs. Les entreprises peuvent vérifier si certains composants s’intègrent dans leurs environnements de développement existants.

Quatre domaines intéressent particulièrement la logistique et l’industrie légère :

  • Préparation de commandes flexible : un modèle pourrait apprendre plusieurs opérations d’emballage, de tri et de mise à disposition avec moins de programmation sur mesure.
  • Données synthétiques : les modèles du monde peuvent simuler des variantes rares et des cas d’échec avant des essais sur un robot réel.
  • Coordination du corps entier : un humanoïde doit marcher, se pencher, porter et contrôler ses mains simultanément. Une politique commune peut réunir ces sous-problèmes.
  • Outils interchangeables : la généralisation entre différentes mains et pinces serait particulièrement utile dans les installations dotées de plusieurs effecteurs.

La sécurité, le temps de cycle, la maintenance et le coût séparent encore la démonstration de recherche de l’exploitation industrielle. Un robot d’entrepôt ne doit pas seulement réussir de temps en temps : il doit fonctionner de manière prévisible pendant des milliers de cycles, détecter les erreurs et se mettre en sécurité. Des mesures indépendantes du taux de réussite, du besoin d’intervention, de la latence et du comportement hors distribution sont indispensables.

L’open source est un point de départ, pas un label de qualité

L’ouverture rend un modèle plus facile à examiner, mais pas automatiquement meilleur ni sans risque. Les développeurs doivent vérifier séparément la licence de chaque checkpoint et jeu de données. Ils ont besoin d’une infrastructure GPU puissante, d’un matériel robotique compatible et d’une expertise en commande temps réel. La protection des données, la sécurité opérationnelle et la responsabilité deviennent également centrales dès que caméras et systèmes apprenants entrent dans des espaces de travail réels.

Il est particulièrement important de séparer la tâche perçue de l’action autorisée. Un modèle du monde peut prévoir des futurs plausibles ; il ne garantit pas que le mouvement choisi soit sûr. Les déploiements pratiques exigent donc toujours des limites supplémentaires, une surveillance des collisions, des validations et des journaux traçables.

Conclusion

Avec UnifoLM, Unitree déplace la concurrence dans la robotique humanoïde des démonstrations matérielles spectaculaires vers une base logicielle et de données ouverte. WMA-0 modélise les interactions futures, VLA-0 traduit perception et langage en actions, et WLA-1.0 doit réunir ces capacités dans une politique plus large couvrant tout le corps.

Les six milliards de paramètres annoncés, plus de cinq millions d’exemples de raisonnement, environ 2 500 heures de données réelles et 64 tâches font de WLA-1.0 un projet ambitieux. Sa valeur réelle ne sera pas établie par une vidéo, mais par des essais indépendants : dans quelle mesure le modèle généralise-t-il ? À quelle fréquence échoue-t-il ? Peut-il être transféré sur d’autres matériels ? Quels mécanismes de sécurité sont nécessaires en fonctionnement continu ?

Si les composants ouverts réussissent ces tests, UnifoLM pourrait devenir une base commune importante pour l’intelligence incarnée. D’ici là, il reste une promesse particulièrement vaste — et une invitation adressée à la communauté robotique pour la mesurer.

Sources

Bewerte den Beitrag hier!
[Total: 0 Average: 0]
Nico Nuss [Contenu visuel créé avec l’IA]
Website

L’auteur Nico Nuss travaille depuis 2001 sur les thèmes de l’informatique mobile et des logiciels d’automatisation. Fort de son expérience et de son vif intérêt pour les technologies d’avenir, il se concentre sur la robotique et l’IA.

Recherche et transparence

Base : pages officielles de Unitree sur ses produits et ses projets open source, dépôts GitHub publics et fiche du modèle sur Hugging Face, complétés par la couverture récente de l’annonce WLA-1.0. Les affirmations du constructeur concernant les benchmarks et les 64 tâches n’ont pas été vérifiées indépendamment. X2-1.0 ne dispose encore ni d’un article détaillé ni de benchmarks standardisés.

Sources

Sur le même sujet