GreenWAM机器人基础模型表现领先

世界基础模型GreenWAM在WorldArena 1.0基准测试中，在轨迹预测、深度估计和三维预测准确性方面达到了领先水平，表现优于研究团队所比较的所有世界—动作模型和视频生成模型。 GreenWAM通过建立统一的共享解剖学动作空间，针对20类机器人类别开展联合训练，并分离出动作专家构建用于动作决策的策略。 在WorldArena 1.0基准测试中，GreenWAM在轨迹预测、深度估计和三维预测准确性方面表现优于所有比较模型；

在RoboTwin 2.0排行榜上取得前列成绩，在LIBERO-plus基准测试中实现最高的零样本成功率； 在CALVIN和LIBERO基准测试中表现与专门设计的VLA策略和世界—动作策略相媲美。 研究团队将GreenWAM适配到真实人形机器人上，实验结果显示其在实际任务中取得更高的成功率。 相关研究成果已发布预印本于arXiv。 GreenWAM构建了一套覆盖20类机器人本体的训练数据，整合公开数据与内部采集的LeRobot格式数据，通过分阶段的数据准备流程解决动作空间不统一的问题。

该模型采用混合Transformer架构，将世界建模与动作生成纳入同一个基础模型框架，在七种工作模式下进行训练，包括预测视频、生成动作等。 研究还在训练过程中引入多视角观测和时间上下文，使模型能够利用不同摄像头的信息理解机器人与环境之间的关系。 在策略适配阶段，GreenWAM将动作token从共享生成器中分离出来，构建独立的动作专家，针对控制任务进行专门训练，同时保留基础模型已经学习到的视觉和动作知识。