UniAct

统一机器人动作表示，让具身模型跨场景即学即用

UniAct是CVPR 2025收录的官方实现，提出“通用动作”概念，旨在增强具身基础模型（如机器人操作模型）的能力。它解决的是具身智能中动作表示不统一、模型泛化性差的问题，通过设计一种通用的动作表示和训练策略，使模型能够跨不同机器人形态、任务和环境进行迁移学习。核心能力包括：将异构动作空间映射到统一表示，支持多任务联合训练，提升模型在未见场景下的零样本或小样本适应能力。项目提供完整的训练和推理代码，基于Python实现，适合研究者和开发者复现和扩展。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 245

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队2toinf

所属国家

官网地址https://2toinf.github.io/UniAct

GitHubhttps://github.com/2toinf/UniAct

定价模式free

价格说明开源项目，代码公开，可自行部署使用，无收费信息。

访问状态

是否开源是

开源协议

主要语言Python

技术栈/模型embodied-ai,foundation-models,robotics,universal-actions,vision-language-action

GitHub 星标★ 245

30天Star增速

HF 下载量

上线时间2025-01-14 00:00:00

最近更新2026-09-10 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

核心亮点

提出通用动作表示，解决多机器人平台动作空间不一致的痛点
在多个仿真和真实环境基准上验证了泛化性提升，有CVPR论文背书
代码开源，提供训练和推理脚本，便于复现和二次开发

不足之处

项目处于早期阶段，文档和社区支持有待完善
依赖特定仿真环境，真实机器人部署门槛较高

适用场景

机器人操作技能学习与迁移
多机器人平台协同训练
具身智能研究中的动作表示标准化

替代项目

RT-1、RT-2、Octo

项目介绍

UniAct 是计算机视觉领域的开源项目，由 2toinf 开发，2025 年首次发布。

它收录于计算机视觉分类，该分类目前共有 447 个项目，GitHub 星标数为 245。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-10。代码公开，可自行部署使用，无收费信息。

它主要面向的使用场景是：机器人操作技能学习与迁移。同类可对比的替代方案包括 RT-1、RT-2、Octo。

上一篇：AnomalyDINO

下一篇：InCTRL