Zero-WAM：机器人看人类视频即零样本学新任务

港科大（广州）等团队以 Robbyant 名义发布 Zero-WAM，探索机器人的上下文学习（In-Context Learning）：模型把一段人类操作视频当作 prompt，先理解场景应如何演变、指明操作对象与目标，再通过因果视频-动作模型直接生成机器人动作，无需针对具体任务微调即可零样本执行训练中从未见过的任务。

已确认

• 方法定位为 In-Context World-Action Modeling：以人类视频作为上下文条件，模型经未来块预测目标训练后输出动作（@Robbyant-Research 原始发布）
• 为规模化训练构建 HumanGen 数据管道，自动生成 8.6K 任务下的 74.2K 个人类-机器人 ICL 对
• 训练中设置了防模型“作弊”的机制（@CyberRobooo 提及），确保模型真正从视频上下文学习而非记忆答案
• 系统只需人类演示视频，不要求机器人特定的演示数据

为什么重要

• 人类视频远比机器人演示易得，以视频为 prompt 绕开了逐任务微调的数据瓶颈，@deepakpathak 与 @ZeYanjie 等转发者均强调其免微调、零样本的泛化能力
• 将 LLM 式的上下文学习范式迁移到具身智能，若后续在真实机器人上验证充分，可能改变机器人任务编程方式

2026-08-28 ~ 2026-08-29 · 5 条相关

• 【源头】Zero-WAM：利用人视频上下文实现机器人任务泛化 — Robbyant-Research · 2026-08-28
• 给机器人看段人类视频就能学新任务，Zero-WAM 免微调泛化 — deepakpathak · 2026-08-28
• Zero-WAM：给机器人看人类视频，零样本学会没见过的任务 — ZeYanjie · 2026-08-29
• 【源头】Robbyant 发表 Zero-WAM：机器人看人演示视频即学会新任务 — CyberRobooo · 2026-08-29
• 【源头】Robbyant 让机器人通过人类视频学会新任务 — CyberRobooo · 2026-08-29