UniAct

UniAct概述

UniAct是一种新型的具身基础模型框架，旨在解决不同机器人之间行为异构性的问题。通过学习通用行为模式，它能够捕捉不同机器人共享的基本动作特征，从而减少因物理结构和控制接口差异带来的行为不一致。UniAct的架构由三个核心组件组成：通用行为提取器、通用行为空间和异构解码器。其中，通用行为提取器基于视觉语言模型，根据观察和任务目标提取通用行为；通用行为空间以向量量化码本的形式实现，每个向量代表一种原子行为；异构解码器则负责将通用行为转化为特定机器人的控制指令。

UniAct的核心功能

• 通用动作编码：UniAct通过向量量化技术构建了一个通用的动作码本，将不同机器人的基本动作（如“移动到目标位置”或“避开障碍物”）统一表示为可跨平台使用的通用技能。
• 轻量高效架构：UniAct-0.5B模型仅包含0.5亿参数，在真实与模拟环境中表现出色，性能优于参数规模达14亿的OpenVLA模型。
• 快速适应能力：UniAct只需少量示教数据即可完成新环境或新机器人的微调，并可通过添加轻量级解码器灵活扩展至多种机器人平台。
• 跨领域数据利用：UniAct通过通用行为空间有效整合多领域数据，提升模型在不同机器人和环境中的泛化能力。
• 一致性行为输出：同一通用动作在不同机器人上能保持一致的行为表现，简化了操作流程，使用户能通过选择通用动作指令完成复杂任务。

UniAct的技术原理

• 通用动作空间（Universal Action Space）：UniAct采用向量量化方法构建离散的通用动作空间，形成一个向量化的码本，每个向量代表一种通用的原子行为，如“移动到目标位置”或“避开障碍物”。该设计实现了不同机器人动作的统一表示。
• 通用动作提取器（Universal Action Extractor）：基于视觉语言模型，该提取器能够从输入的视觉信息和任务目标中识别并提取相关的通用动作，确保动作空间的纯净性和一致性。
• 异构解码器（Heterogeneous Decoders）：针对不同机器人平台定制的解码器，能够将通用动作转换为具体的控制信号，实现跨平台的灵活适配。
• 轻量化与高效训练：UniAct采用低参数模型结构，并通过行为克隆损失进行训练，结合合适的损失函数（如交叉熵或均方误差），提升训练效率和模型性能。

UniAct的项目资源

• 项目官网：https://2toinf.github.io/UniAct/
• Github仓库：https://github.com/2toinf/UniAct
• arXiv论文：https://arxiv.org/pdf/2501.10105

UniAct的应用场景

• 自动驾驶与智能交通：UniAct可用于自动驾驶系统，通过学习通用驾驶行为提升动作规划与控制效率。
• 医疗机器人：适用于康复或手术机器人，提高其对多样化患者需求的适应能力。
• 工业自动化：支持多种工业机器人协同作业，提升生产流程的灵活性与效率。
• 智能家居与服务机器人：增强服务机器人与人类的自然交互能力，完成多样化的家务任务。