DexForce发布UNITAS：首个3D原生世界动作模型，革新机器人操作与场景预测

摘要：DexForce推出UNITAS，这是首个3D原生世界动作模型(WAM)，旨在解决机器人交互中物理动作与场景变化的核心问题。UNITAS通过将观察、动作和场景动态统一在共享的3D度量空间中，显著提升了机器人操作的准确性和场景预测的效率。其核心机制包括3D点轨迹的动作流和场景点位移的场景流，以及基于物理时间轨迹的token化方法。在RoboTwin基准测试中，UNITAS实现了最佳的动作条件场景预测性能，位移误差比PointWorld低49%，并在LIBERO和真实世界任务中分别达到99.8%和85%的操作成功率。

---

技术机制剖析

UNITAS的核心突破在于其3D原生架构，它将机器人操作中的观察、动作和场景动态统一在一个共享的3D度量空间中。其主要技术特点包括：

1. 动作流与场景流：

   • 动作流：将人类手部和机器人夹具表示为3D点轨迹，捕捉动作的物理本质。
   • 场景流：基于这些轨迹，描述场景中点的位移，从而实现对场景变化的精准建模。

2. 世界对齐的3D位置嵌入：

   • 通过将视觉token与3D位置对齐，UNITAS能够处理有无深度输入的视觉信息，并将其与物理空间关联。

3. 物理时间轨迹tokenizer：

   • 将每个点轨迹编码为一个token，并将其锚定在当前的3D位置。这种方法确保了动作和场景变化的连续性和物理一致性。

工程权衡与实测表现

UNITAS的参数规模为1.7B，在RoboTwin基准测试中，其动作条件场景预测性能优于现有方法，位移误差最多降低49%。在操作成功率方面，UNITAS在LIBERO上达到了99.8%，在真实世界任务中平均为85%。这些数据表明，UNITAS在精度和效率之间取得了良好的平衡。

然而，3D原生架构也带来了更高的计算和存储开销，特别是在处理复杂场景时。尽管如此，UNITAS通过优化3D表示和轨迹tokenization，显著降低了这些开销，使其在实际应用中具有可行性。

开发者落地与部署建议

对于开发者而言，UNITAS的发布提供了一个强大的工具，可以用于各种机器人操作任务，包括但不限于：

• 机器人控制与导航：利用UNITAS的3D动作流和场景流，开发者可以更精准地控制机器人动作并预测其对环境的影响。
• 增强现实与虚拟现实：UNITAS的3D原生特性使其成为构建沉浸式体验的理想选择。
• 智能制造与自动化：在工业环境中，UNITAS可以用于优化机器人操作流程，提高生产效率。

建议开发者在使用UNITAS时，结合具体的应用场景进行微调，并关注其计算和存储需求，以确保在资源受限的环境中高效运行。

结论

UNITAS的发布标志着机器人动作建模和场景预测领域的一个重要里程碑。其3D原生架构和创新的轨迹tokenization方法，为机器人操作和智能体应用提供了新的技术路径。

---

消息来源：Hugging Face Daily Papers (2026-10-08)

—— 完 ——

主题标签： #UNITAS 关注 #3D-native 关注 #机器人操作 关注 #场景预测 关注 #DexForce 关注