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-WLA-1.0：单一模型驱动的全身协调
将具身理解、交互世界建模与动作学习放入通用人形机器人框架，覆盖桌面和全身操作。
UnifoLM-WLA-1.0: One Model Driven, Whole-Body Coordination
2026-09-28 · Base 权重与微调代码发布；其他模块于当月较早发布
为什么值得读
对照通用多模态能力与机器人动作接口，追问两者之间需要哪些数据和训练。
连接了什么
官方仓库明确注明建立在 starVLA 与 Qwen-Image 的工作之上。
官方代码、权重与任务说明
此处收录官方开源项目；厂商报告的能力不等于独立复现或任意环境下的可靠部署。
沿着这些连接继续阅读 ↗引用
@misc{unitree2026unifolm,
title = {UnifoLM-WLA-1.0: One Model Driven, Whole-Body Coordination},
author = {Unitree},
year = {2026},
url = {https://github.com/unitreerobotics/unifolm-wla}
}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。