Unitree apre il codice di UnifoLM-WLA-1.0: un solo modello per 64 compiti, e fra questi ci sono quelli di casa

⚠️ Come leggere questo pezzo. I numeri tecnici qui sotto sono stati verificati sul repository ufficiale del modello. Le prestazioni e l'elenco dei compiti restano dichiarazioni dell'azienda, non verificate da terzi indipendenti: dove è così, lo diciamo riga per riga.

In breve

Unitree ha reso pubblici pesi e ricette di addestramento di UnifoLM-WLA-1.0, un modello che traduce ciò che il robot vede e ciò che gli viene chiesto in movimenti del corpo. (fonte: repository ufficiale unitreerobotics/unifolm-wla)

Quello che il repository dichiara, e che abbiamo letto direttamente:

• 6 miliardi di parametri;
• addestrato su circa 2.500 ore di dati di alta qualità raccolti su robot veri — non in simulazione;
• un solo modello coordina 64 compiti, fra manipolazione da tavolo e manipolazione a corpo intero;
• funziona sia con la pinza a due dita sia con più mani a cinque dita diverse. È il punto tecnicamente più notevole: di norma cambiare la mano del robot manda in crisi il modello e obbliga a raccogliere di nuovo i dati.

I compiti di casa

Secondo la stampa di settore che ha dato la notizia, fra i 64 compiti ci sono buttare la spazzatura, mettere i panni in lavatrice, rifare il letto e piegare le salviette, con una ripartizione di dieci compiti a corpo intero e cinquantaquattro da tavolo. (fonte: Humanoids Daily, 10/09/2026 — questa ripartizione e l'elenco dei compiti non compaiono nella descrizione ufficiale del repository, che si limita a dichiarare i 64 compiti complessivi)

La nostra lettura. È la prima volta che Unitree mostra il suo G1 su una lista del genere invece che su danze o dimostrazioni di combattimento. Per un sito che guarda alla casa, la differenza non è di grado ma di natura: piegare le salviette è un compito domestico, un salto mortale no.

Il contrappunto arriva da Unitree stessa

Il fondatore e amministratore delegato Wang Xingxing ha dichiarato che gli umanoidi non sono pronti a scalare nemmeno in fabbrica: il contatto fisico accumula errori millimetrici, e i tassi di successo crollano appena l'ambiente si discosta da quello dei dati di addestramento. Il vero salto, secondo lui, arriverà quando un umanoide entrerà in una stanza mai vista e porterà a termine l'80% dei compiti chiesti a voce — traguardo che colloca a 2-10 anni da oggi. (dichiarazione riportata da Humanoids Daily; non abbiamo verificato data e sede esatte dell'intervento)

Vale la pena notare da dove arriva questa cautela: non da un critico esterno, ma dall'azienda che quel giorno stava annunciando il modello.

Perché ci interessa

È open source, e questo abbassa la barriera. Chi in Italia fa ricerca o integrazione può scaricare il modello e provarlo senza dipendere da un servizio chiuso. (Da verificare prima di trarne conseguenze pratiche: quale licenza esattamente, e se consente l'uso commerciale.)

Il collo di bottiglia è il software, e lo ammette chi vende l'hardware. Un'azienda che regala il livello algoritmico sta dicendo dove pensa che stia il valore: nel corpo e nei volumi, non nel codice. È una nostra lettura, non una dichiarazione dell'azienda.

Nessuno di questi compiti è ancora un prodotto. Non esiste un G1 domestico acquistabile in Italia, né un prezzo, né una data. Quello che c'è è un modello scaricabile e una lista di cose che, secondo chi l'ha addestrato, riesce a fare.