基于深度卷积神经网络的 ImageNet 分类
ImageNet Classification with Deep Convolutional Neural Networks
深度卷积网络将数据、GPU 计算与表示学习结合，为现代视觉研究提供了重要起点。
THE RESEARCH ATLAS
UnifoLM-VLA-0：面向人形机器人操作的视觉—语言—动作框架
以机器人操作数据继续训练视觉—语言模型，将指令与空间理解连接到动作预测。
UnifoLM-VLA-0: A Vision-Language-Action (VLA) Framework under UnifoLM Family
2026-01-29 · 官方代码与权重发布日期
为什么值得读
沿官方实现追踪多模态代码如何进入机器人训练与推理；不要把开源项目直接当作同行评审论文。
连接了什么
官方致谢列出 Qwen2.5-VL、Isaac-GR00T、Open-X、openvla-oft 与 InternVLA-M1 的代码基础。
官方实现与模型发布
代码复用不等于继承这些模型的全部能力；任务与硬件范围以项目评估为准。
沿着这些连接继续阅读 ↗引用
@misc{unitree2026unifolm,
title = {UnifoLM-VLA-0: A Vision-Language-Action (VLA) Framework under UnifoLM Family},
author = {Unitree},
year = {2026},
url = {https://github.com/unitreerobotics/unifolm-vla}
}论文与代码版权归原作者；引用及许可请以原始来源为准。
相关研究
去噪扩散概率模型
Denoising Diffusion Probabilistic Models
模型学习逐步反转加噪过程，为图像生成建立了重要的扩散建模路线。
从自然语言监督中学习可迁移的视觉模型
Learning Transferable Visual Models From Natural Language Supervision
通过对比学习对齐图像与自然语言描述，使视觉表示能够迁移到新类别。