李飞飞团队开源 OpenWAM：统一世界-动作模型框架，让机器人视频预训练成大脑
jiqizhixin · x · 2026-10-16
斯坦福李飞飞、吴佳俊、Ehsan Adeli 等人推出开源世界-动作模型框架 OpenWAM。
要解决的问题
- 当前 world-action models（WAMs）爆发，但每个新系统同时更换视频骨干、训练数据、视频-动作交互和推理管线，无法归因哪个设计带来收益
- 传统 VLA 像条件反射：看场景、听指令、输出动作，底下没有世界物理模型
OpenWAM 的做法（据论文图）
- 以 Wan2.2 起步做通用视频预训练，再用 10k+ 小时机器人与人类交互视频做因果预训练，让物体坠落、碰撞、推动等物理先验内建于模型
- Shared Mixture of Transformers（MoT）：视频流与动作流时间对齐、经 joint attention 耦合，同时保留模态专属专家
- 可配置的视频-动作交互：同一架构支持 joint、video-then-action、action-then-video 与解耦预测
- 用演示与反事实转移训练局部逆/前向动力学模型（LC-IDM/LC-FDM），冻结的 IDM 可把任务适配的视频模型预测翻译成动作
统一的开放基准与框架让设计选择可以逐项消融验证。
「具身」频道最新
- 16 项任务实测机器人 LLM：GPT-6 Astra 成功率 17.2% 力压 Fable 5.1 — pabbeel · 2026-10-16
- WEDGE 论文：把导航失败经历变成可学习的训练环境 — _akhaliq · 2026-10-16
- 机器人会写交响乐却不会洗碗,meme 精准戳中 AI 短板 — briannekimmel · 2026-10-16
- Knödel Watch 开源:ESP32 圆屏动画单词卡,4 天从开箱到 v0.1.0 — alexcovo_eth · 2026-10-16
- NVIDIA RTX Spark PC 明日发售,全球五城同步办发布活动 — NVIDIA Blog · 2026-10-16
- SlipSense 触觉研究:23.1ms 检测机械打滑,可零样本跨平台迁移 — micoolcho · 2026-10-16