【ZiDongHua 之“技术文章区”收录关键词： 智元机器人 香港大学 具身模型】
　　
　　智元机器人联合香港大学推出的UniVLA入选 RSS 2025 并开源！
　　
　　导 言
　　
　　现有具身模型没有充分利用更加多样的视频数据，难以适应未训练过的新任务与新场景，通用性受限。为此，智元机器人联合香港大学提出UniVLA：一个具备跨机器人本体、场景与任务泛化能力的通用策略学习系统。它构建了以任务为中心的隐式动作空间，充分利用语言描述与视频示范进行策略学习，实现了从“看视频”、“听指令”到“动手操作”的通用控制。该成果已被机器人顶会 RSS 2025 认可，同时代码也已经开源，并成为全球顶尖机器人赛事 AgiBot World Challenge @ IROS 2025【点击文字跳转相关文章】 的baseline之一。
　　
　　想象一下在不远的未来，通用机器人真正走进了日常生活。我们希望当你发出一条自然语言指令，无论是“帮我给猫喂食”，还是“帮我关掉台灯”，它都能够理解你的意图，并准确地完成动作——不依赖预定义的任务模板，也不受限于曾经训练过的数据分布。
　　
　　然而，现有的机器人系统往往依赖人工标注的数据与固定的动作空间，面对那些未被明确训练过的任务或非典型场景，它们常常会因为“未见过”“无定义”而选择拒绝执行，严重限制了通用性的发挥。有没有一种能够从更广泛的数据来源，如从互联网上的人类视频中学习动作的方法，并实现多种场景、任务的真正通用和泛化呢？
　　
　　最近，智元机器人联合香港大学基于此提出了全新框架——UniVLA，一个跨本体、跨场景、跨任务的通用策略学习系统，就像为机器人安装了“跨界大脑”，实现了从“看视频”、“听指令”到“动手操作”的通用控制。
 
　　
　　UniVLA：跨本体、跨场景、跨任务的通用策略