NUS 等团队开源 OpenWAM:6400 小时数据预训练,真机排行榜夺冠

青稞AI · wechat · 2026-10-12

新加坡国立大学、北京大学等团队推出 OpenWAM,一个开放的世界–动作模型(World-Action Model)研究全栈,把此前高度耦合的 WAM 预训练拆解为可控的模块化实验,系统性验证哪些设计选择真正有效。

项目包含三部分:OpenWAM-Infra 提供统一训练/推理/部署/评估基础设施,覆盖 8 个仿真基准;OpenWAM-Study 通过受控实验提炼出三条设计原则(强生成主干+紧凑潜空间的知识迁移、专门动作容量+显式世界到动作信息流、具身预训练主要提升域外泛化);OpenWAM-α 基于约 6,400 小时(5.185 亿帧)第一人称人类与机器人数据预训练,在移动双臂基准 EBench 达到 SOTA,并在 RoboDojo-Real 真机排行榜位列第一,把 pi0.5 的成功率翻倍。基础设施、评测协议、模型与数据配方已全部开源,作者王昱然将于 10 月 14 日晚在青稞社区直播分享。