WAM-TTT：机器人后训练新框架
新智元 · wechat · 2026-07-16
文章介绍银河通用发布的 **WAM-TTT**，这是一个面向具身智能大模型的测试时后训练框架，目标是在真实部署环境中提升机器人泛化能力。 ### 核心思路 - 部署时不再依赖昂贵的机器人遥操作轨迹，而是直接使用人类第一视角视频。 - 输入可以是“无动作标注”的纯视频，依靠自监督视频预测学习任务动态。 - 采用“主干冻结 + 轻量快速权重更新”的方式，尽量保留预训练能力，减少灾难性遗忘。 ### 结果与对比 - 文中给出的跨环境实测显示，面对光照、物体、背景变化，WAM-TTT 的表现明显优于基线。 - 与需要人类视频上下文的 ICL 基线相比，它的泛化保持率显著更高。 - 在相同预算下，作者给出的消融结果显示，**100 条机器人轨迹 + 100 条人类视频** 的效果，几乎可与 **200 条机器人轨迹** 持平。 ### 文章主张 文章把这项工作视为具身智能规模化部署的关键一步：机器人在训练场学到技能后，可以用极低的数据、时间和金钱成本适应新场景。作者也借此强调，中国团队在具身智能路线和方法上开始形成自己的技术范式。