A Unitree Robotics demonstrou as capacidades de seu robô humanoide G1 em um sparring com um ser humano treinador equipado com protetores, utilizando o modelo de mundo UnifoLM-X2-1.0. Este modelo, segundo a empresa, é um modelo fundamental de mundo e ação, capaz de prever o estado físico no futuro próximo e planejar movimentos em tempo real sem a necessidade de telecontrole ou coreografia pré-escrita.
Em um breve clipe de vídeo, publicado por volta de 7 de setembro de 2026, é mostrado como o G1 desvia de golpes, corrige o movimento das pernas e também desfere socos com os braços e pernas contra o corpo. A Unitree explica que este sistema resolve problemas típicos de modelos de mundo e ação, como planejamento em escala de milissegundos, tomada de decisões táticas contra um oponente em movimento e implementação de um ciclo fechado com entrada contínua de forças.
Ao contrário das demonstrações que traduzem comandos de um controlador de RV ou gamepad para posições alvo das articulações, o UnifoLM-X2-1.0 é apresentado como um ciclo de percepção preditiva para ação. Ele antecipa mudanças prováveis na cena e no comportamento do adversário e, em seguida, seleciona e modifica dinamicamente as ações, mantendo o equilíbrio e a postura dentro do plano.
Este lançamento se baseia no trabalho anterior da Unitree, especificamente no UnifoLM-WMA-0, um modelo de mundo baseado em difusão de vídeo com cabeça para ações, que a empresa lançou em 2025. O modelo X2-1.0 é posicionado como uma versão mais madura, focada na interação de alta dinâmica, e não apenas na manipulação estática. No entanto, a Unitree ainda não publicou um artigo científico, pesos do modelo, métricas de latência ou benchmarks independentes para esta versão, nem confirmou se o novo modelo será aberto, como seu predecessor, deixando laboratórios independentes sem uma linha de base reproduzível.
Portanto, analistas independentes abordam o que um único vídeo editado pode provar com cautela. O adversário é um ser humano treinado com escudos de proteção, e não um oponente que tenta derrubar o robô. Além disso, não há telemetria pública mostrando o número de tentativas ou se a inferência foi executada inteiramente no próprio robô ou em um servidor externo conectado à plataforma. No entanto, o sparring com contato intenso representa um teste de latência mais rigoroso do que o processo estático de captura e posicionamento: reações lentas levam imediatamente a falhas quando socos e chutes chegam em movimento contínuo, e as janelas de recuperação são reduzidas a frações de segundo.
A Unitree afirma que esta demonstração ajuda a confirmar a viabilidade do controle humanoide baseado em modelo em uma escala de implementação maior — é uma declaração de engenharia sobre previsão e planejamento em tempo real durante a interação física. Até que testes repetidos e detalhes técnicos sejam publicados, este clipe de sparring deve ser visto mais como um sinal de viabilidade de controle autônomo baseado em modelo de corpo inteiro, e não como uma especificação de produto pronto ou uma declaração de autonomia geral de fábrica.
