수건을 접고, 스마트폰을 포장하고, 침대를 정리하고, 신발을 정돈하고, 욕실을 청소한다. 중국 로봇 기업 Unitree의 G1 휴머노이드가 하나의 정책(policy)으로 이 모든 동작을 수행하는 장면이 9월 10일 공개된 UnifoLM-WLA-1.0 프로젝트 페이지에 담겼다.
60억 파라미터, 단일 체크포인트의 범용성
UnifoLM-WLA-1.0은 약 60억 파라미터 규모의 범용 휴머노이드 파운데이션 모델이다. 핵심은 단일 체크포인트 하나가 64가지 태스크를 커버한다는 점이다. 전신 협응 동작 10종과 탁상 조작 54종으로 구성되며, 2지 그리퍼와 여러 종류의 5지 정교 손 모두와 호환된다.
훈련에는 실로봇 데이터 약 2,500시간이 투입됐다. Unitree Open Datasets와 BitRobot-HIW-500 등 실제 로봇 소스를 활용했다. 한국 휴머노이드 기업들이 자체 파운데이션 모델 학습 전략을 수립할 때 비교 기준으로 삼을 만한 규모다.
이번 공개는 지난 9월 7일 화제가 됐던 UnifoLM-X2-1.0 스파링 데모와 성격이 다르다. X2-1.0이 고동적 접촉 상황에서의 전신 반응을 보여준 전투 지향 시연이었다면, WLA-1.0은 가정·사무 환경의 일상 작업을 위한 비전-언어-액션(VLA) 스택이다.
아키텍처: 공간 인식부터 연속 동작 디코딩까지
모델 구조는 크게 세 층으로 나뉜다.
첫째, 구현 추론 단계 UnifoLM-ER-1은 Qwen3-VL-4B를 기반으로 500만 건 이상의 구현 샘플로 훈련됐다. 포인트 예측, 물체 감지, 다중 이미지 추론, 2D 궤적, 3D 감지, 공간 질의응답을 아우른다. 일반 이미지-텍스트 데이터와 함께 학습해 광범위한 비전-언어 능력도 유지한다.
둘째, 동적 영역 예측 단계는 옵티컬 플로우로 미래 장면 변화를 추출하고, VQ-VAE로 고정 길이 마스크 토큰으로 압축한다. 상호작용이 시작되면 어느 영역이 움직일지 모델이 예측하는 구조다.
셋째, 잔차 벡터 양자화(residual vector quantization)를 이용한 이산 액션 학습이 엔드이펙터 포즈·손 관절·하체 관절을 통합 액션 공간으로 정렬한다. 여기에 MMDiT 액션 전문가가 추가돼 멀티모달 백본에서 연속 로봇 동작을 디코딩하는 최종 WLA 모델이 완성된다.
벤치마크: 공간 추론에서 GPT-6 Astra 앞서
16개 멀티모달 평가 세트 기준으로 UnifoLM-ER-1-4B는 오픈 모델 중 7개 테스트에서 1위를 기록했다. 공간 추론 관련 항목에서는 Where2Place, BLINK 공간 서브태스크, CV-Bench, EmbSpatial 등 지표에서 독점 모델인 GPT-6 Astra를 로컬 환경에서 앞섰다고 Unitree는 밝혔다.
아직 '공개 예정'
프로젝트 페이지는 열렸지만 코드·모델·데이터셋은 모두 '공개 예정(Coming soon)' 상태다. 아키텍처 문서와 태스크 매트릭스, 벤치마크 표는 공개됐으나 가중치와 학습 데이터는 아직 내려받을 수 없다. 연구자와 통합 개발자 입장에서는 지금 단계에서 서드파티 로봇에 바로 적용할 수 있는 체크포인트가 아니라, 범용 휴머노이드 파운데이션 로드맵과 벤치마크 기준표를 확인한 것이다.
