A Unitree Robotics começou a publicar pesos parciais do modelo e os conjuntos de dados correspondentes para o UnifoLM-WLA-1.0. Este modelo é um modelo fundamental para robôs humanoides, com aproximadamente 6 bilhões de parâmetros, projetado para trabalhar com linguagem e ações no mundo real. Anteriormente, a empresa apresentou a arquitetura do modelo e uma matriz de avaliação em 64 tarefas.
De acordo com um relatório de uma publicação tecnológica chinesa de 20 de setembro, alguns componentes deste sistema agora estão disponíveis para download na página do projeto. No entanto, o código pós-treinamento, os pesos UnifoLM-WLA-Base, o corpo de teleoperação de corpo inteiro e conjuntos de dados mais amplos para operações ainda estão pendentes.
Este lançamento gradual aberto é uma atualização de um anúncio anterior na página do projeto, onde o Código, Modelos e Conjuntos de Dados foram inicialmente marcados como 'em breve'. Além disso, o aspecto de software do desenvolvimento permanece separado da recente atualização de hardware G1+ da Unitree.
Uma unidade de teste foi treinada com aproximadamente 2500 horas de dados obtidos de um robô real dos conjuntos de dados abertos da Unitree e fontes públicas, como BitRobot HIW-500. Ele foi projetado para cobrir 10 tarefas relacionadas ao trabalho de corpo inteiro, mais 54 tarefas na mesa, sem a necessidade de executar uma política separada para cada operação rotineira.
Exemplos de tarefas domésticas fornecidas pela Unitree incluem dobrar toalhas, dispor pratos, carregar baterias, lavar roupas e limpar sofás — tarefas que exigem sincronização de braços, efeitos finais e pernas. O espaço de ação unificado utiliza a tokenização de poses de efeitos finais, juntas dos braços e juntas da parte inferior do corpo por meio de quantização de vetor residual, permitindo que esses fluxos permaneçam sincronizados no tempo.
Os testes apresentados suportam pegas paralelas de dois dedos e múltiplas mãos de cinco dedos. O modelo UnifoLM-ER-1-4B é o especialista em ações MMDiT, que é um modelo de raciocínio incorporado. Ele é construído sobre o Qwen3-VL-4B e inclui mais de 5 milhões de amostras espaciais, abrangendo identificação, detecção, raciocínio multiimagem e previsão de trajetória.
A Unitree relata que seu modelo lidera entre os modelos abertos em sete dos dezesseis benchmarks de percepção multimodal compilados pela empresa, incluindo Where2Place, EmbSpatial e RoboSpatial. Alguns indicadores são comparáveis aos de sistemas proprietários nas mesmas tabelas. Deve-se notar que esses números são apresentados pela própria empresa e ainda não foram reproduzidos por terceiros, e eles por si só não comprovam o sucesso em casas reais.
Para integradores, a conclusão prática é o lançamento gradual: atualmente estão disponíveis pesos parciais adequados, enquanto o código completo e os corpos de dados ainda estão pendentes. Até que os recursos restantes estejam disponíveis, quaisquer alegações de transferência de funções para robôs que não pertencem à Unitree devem ser consideradas um roteiro, e não um kit pronto de terceiros.
O Laboratório de Inteligência Artificial de Xangai lançou o modelo de mundo físico Intern W0. Este sistema modular é voltado para a robótica e destina-se a transferir o comportamento de grandes modelos do planejamento digital para o trabalho físico rico em contato.
O laboratório enfatiza que o W0 foi originalmente desenvolvido com o objetivo de integrar dados de visão, força e tato. Isso permite que o robô perceba, preveja, aja e corrija suas ações em paralelo, em vez de seguir um ciclo rígido: primeiro percepção, depois planejamento, depois movimento.
Este modelo difere da colaboração anterior do laboratório com a LUMIA Lab da Universidade Jiao Tong de Xangai, que se concentra na previsão de conceitos de nível superior, e não no controle físico baseado em força.
O lançamento do W0 é definido por dois elementos chave. O primeiro é a percepção sensorial nativa de força e tato, que integra o feedback de contato no processo de seleção de ação e percepção, juntamente com dados de visão e estado proprioceptivo do corpo. A visão determina as direções de aproximação e os pontos-alvo, enquanto a força e o tato atualizam a qualidade da preensão e registram o deslizamento após o início do contato. O estado proprioceptivo rastreia a posição e o movimento.
O segundo princípio é a interação duplex, que sustenta um fluxo contínuo de entradas multimodais, incluindo instruções de linguagem, observações visuais, feedback de força/tato e estado corporal. Simultaneamente, o modelo gera compreensão semântica, previsões de estados futuros e comandos de movimento. A arquitetura assíncrona com modo de múltiplas velocidades permite a atualização em segundo plano do planejamento de longo prazo, enquanto as atualizações de ação de alta frequência continuam a reagir às observações recentes, reduzindo assim o intervalo entre a mudança no ambiente e a correção do movimento quando a visão sozinha não é suficiente.
Os pesquisadores observam que essa combinação ajuda na execução de tarefas que exigem alta precisão, como determinar a estabilidade da preensão, a exatidão do assentamento do contato ou como deve ser a próxima microcorreção. O modelo W0 já está integrado à plataforma de descobertas científicas Intern InkStone — o nome do produto em inglês apresentado no portal do laboratório. Ele funciona em conjunto com o grande modelo científico Intern S2.
Juntos, eles forneceram suporte a ciclos fechados tanto em condições laboratoriais úmidas quanto secas. Esses ciclos abrangeram a evolução direcionada de proteínas para edição de genes, síntese orgânica de mepivacaina e preparação de nanopartículas lipídicas, incluindo o ajuste dinâmico dos parâmetros do processo durante o trabalho com nanopartículas, o que é mencionado em fontes secundárias como uma prova precoce de IA física orientada à ciência.
Para grupos envolvidos em química, biologia e ciência dos materiais, o W0 é visto como uma ferramenta para ciclos experimentais automatizados, e não como uma demonstração de robô de consumo. Será determinado o quão amplamente o controle duplex de força e tato se generaliza em vários instrumentos de laboratório e protocolos de laboratório úmido, o que decidirá se o conjunto modular Intern se tornará a camada padrão nos fluxos de trabalho Intern InkStone ou permanecerá vinculado aos casos de ciclo fechado demonstrados anteriormente. O laboratório apresenta esses casos como o início de uma jornada da derivação de esquemas para o experimento instrumental, e não como um catálogo de produtos pronto.
A Unitree apresentou em 10 de setembro o UnifoLM-WLA-1.0, que é um modelo fundamental generativo para robôs humanoides de nova geração, com aproximadamente 6 bilhões de parâmetros. De acordo com a empresa, um único arquivo de controle, treinado com dados de um robô real por cerca de 2500 horas, é capaz de coordenar 64 tarefas, abrangendo 10 manipulações de corpo inteiro e 54 manipulações na mesa, além de operar tanto com garras de dois dedos quanto com várias mãos ágeis de cinco dedos.
Este lançamento difere da demonstração anterior do Unitree UnifoLM-X2 sparring; o UnifoLM-WLA-1.0 representa um conjunto mais amplo de 'visão-linguagem-ação' para realizar tarefas domésticas e de mesa cotidianas, em vez de uma demonstração focada em combate.
Arquitetonicamente, o UnifoLM-WLA-1.0 baseia-se em modelagem de mundo orientada à interação, complementada pelo especialista de ação MMDiT. Esta fase de raciocínio encarnado, denominada UnifoLM-ER-1, é construída sobre o Qwen3-VL-4B e foi treinada com mais de 5 milhões de exemplos encarnados. Esses exemplos cobrem aspectos como previsão de pontos, detecção de objetos, raciocínio multiimagem, trajetórias 2D, detecção 3D e respostas a perguntas espaciais, o que aprimora a percepção espacial, ao mesmo tempo que aprende conjuntamente com dados gerais de imagem e texto para manter amplas habilidades de 'visão-linguagem'.
Em seguida, a previsão de regiões dinâmicas utiliza fluxo óptico para extrair mudanças futuras na cena, comprime-as usando VQ-VAE em tokens de comprimento fixo e treina o modelo 'visão-linguagem' para prever quais regiões começarão a se mover após o início da interação. O treinamento discreto de ações através de quantização residual de vetores divide o espaço de ação unificado em posturas de efeitos finais, juntas dos braços e juntas da parte inferior do corpo, alinha esses tokens em passos temporais comuns e os alimenta no UnifoLM-ER-Flow. O modelo WLA, que eles lançaram, inclui o especialista MMDiT para decodificar as ações contínuas do robô a partir deste arcabouço multimodal.
Nos testes de raciocínio espacial e encarnado, realizados em 16 conjuntos de dados multimodais, a Unitree relata que o UnifoLM-ER-1-4B supera modelos abertos em sete testes. Além disso, em conjuntos de dados espaciais sobrepostos, ele supera o proprietário local GPT-6 Astra em métricas como Where2Place, subtarefas BLINK spatial, CV-Bench e EmbSpatial. O treinamento se baseia nos Unitree Open Datasets e BitRobot-HIW-500, bem como em outras fontes de dados de robôs reais. Avaliações em vídeo são demonstradas no equipamento Unitree G1 para executar tarefas como dobrar toalhas, embalar telefones, arrumar camas, classificar sapatos e limpar banheiros — tarefas que exigem movimento coordenado de braços, efeitos finais e parte inferior do corpo dentro de uma única política.
É importante notar que a página do projeto está disponível para desenvolvedores, mas o código, os modelos e os conjuntos de dados ainda estão marcados como 'Em Breve'. A Unitree anunciou sua intenção de tornar o projeto de código aberto e publicou a documentação da arquitetura e da matriz de tarefas, mas os pesos e os corpos de dados ainda não estão disponíveis para download. Até que esses recursos estejam disponíveis, o sinal prático para pesquisadores e integradores é o roteiro divulgado da base humanoide geral e a tabela de benchmarks, e não um arquivo de controle pronto para uso por terceiros.
No evento LEAP 2026, realizado em 3 de setembro, a empresa HUMAIN, apoiada pelo Future Investment Fund (PIF) da Arábia Saudita, apresentou o modelo HUMAIN-M3. Este modelo é voltado para o idioma árabe e está atualmente disponível em pré-visualização na plataforma HUMAIN Node, com planos de lançamento posterior com pesos abertos.
O fundamento do HUMAIN-M3 foi a estrutura aberta multi-especialista (mixture-of-experts) M3 da startup chinesa MiniMax, lançada cerca de três meses antes. O modelo HUMAIN-M3 mantém as características arquitetônicas do M3, possuindo um total de cerca de 428 bilhões de parâmetros, sendo que aproximadamente 23 bilhões de parâmetros estão ativos por token. Em seguida, o modelo passa por treinamento adicional com mais de um trilhão de tokens árabes nativos.
De acordo com sete benchmarks árabes públicos publicados pela HUMAIN, este modelo alcançou os cinco primeiros lugares e uma média ponderada de 89,37%. Este resultado é 9,03 pontos superior ao do modelo base M3 e supera os resultados declarados do GPT-5.6 SOL e Claude Opus 5. O foco principal é na velocidade: utiliza raciocínio geral, multimodalidade, agentes e contexto longo do modelo base aberto, seguido por especialização local de idioma e cultura.
Esta abordagem se alinha à corrida global mais ampla por inteligência artificial soberana. De acordo com dados da CNAS, rastreados em publicações chinesas, 184 projetos governamentais de IA soberana foram registrados em 67 países até meados de 2026, com 41 projetos adicionados no primeiro semestre. O número de bases abertas para treinamento contínuo local mais do que dobrou desde o final de 2024. Os compradores estão prestando atenção à mistura de dialetos, armazenamento de dados em servidores próprios e ao risco de desaparecimento de APIs remotas após choques de controle de exportação, o que favorece os pesos baixáveis e o pós-treinamento local.
A atividade internacional da MiniMax também segue essa tendência. A empresa afirma que seus produtos já estão disponíveis em mais de 230 países e regiões. Na Europa, a MiniMax colabora com a SambaNova para inferência de alta velocidade em hardware SN50, bem como com a Nebius Token Factory como solução aberta especializada implantada. A HUMAIN leva esse conceito adiante: de um simples download e API para um programa nacional de modelos, que investe em seus próprios dados linguísticos e capacidade computacional sobre um modelo de referência chinês.
Para laboratórios que trabalham com modelos abertos na China, os clientes deixaram de ser apenas desenvolvedores participantes de rankings. Os governos agora exigem um modelo de referência inicial que possam possuir, atualizar e executar autonomamente. A integração do MiniMax M3 no HUMAIN-M3 é um exemplo precoce e concreto, sinalizando que a entrega aberta de pesos, a adaptação de hardware e o suporte de longo prazo podem ter tanta importância quanto a próxima pontuação nos benchmarks. A corrida fora do duopólio EUA e China está cada vez mais focada em quem fornece a base reutilizável, e não em quem vence cada teste em inglês.
