https://auto-driving-blog.pages.dev/tags/%EF%B8%8F-%E5%BC%80%E6%BA%90%E6%A1%86%E6%9E%B6/ Recent content in 🛠️ 开源框架 on Elon's AD Insight https://auto-driving-blog.pages.dev/images/share.png https://auto-driving-blog.pages.dev/images/share.png Hugo zh-cn Wed, 28 Oct 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/paper-reading/openwam-alpha%E7%B2%BE%E8%AF%BB/ Wed, 28 Oct 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/paper-reading/openwam-alpha%E7%B2%BE%E8%AF%BB/ OpenWAM（NUS/清华/北大/港大等，arXiv 2609.07398，openwam-official.github.io）精读——注意与站内已写的斯坦福 OPENWAM（2610.07922）是两篇不同论文！本篇范式一句话：把「世界-动作模型（WAM）怎么设计」从一坨耦合实现变成受控实验程序。三层栈：①OpenWAM-Infra——4 视觉编码器×5 视频骨干×6 架构变体×4 注意力掩码的可组合模块，一个训练器/一个 WebSocket 策略服务器/一套仿真+真机评测协议，80 维统一动作空间（2×34 维臂块+24 维灵巧手+12 预留）；②OpenWAM-Study——六问（Q1 架构/Q2 骨干/Q3 视觉表示/Q4 视频-动作交互/Q5 预训练配方/Q6 去噪策略）受控实验，三结论：足够强的生成骨干+紧凑信息密潜空间继承上游知识、显式世界→动作信息流+同步联合去噪才是协同、具身预训练主要涨 OOD（人本第一视角×机器人单阶段共训最优、互见掩码胜出）；③OpenWAM-α——按配方落地：Wan2.2-TI2V-5B + ActionDiT 双系统、30 成对层联合自注意力、互见掩码、冻结 VAE/umT5，518.5M 帧（6,369h，70% 机器人/30% 人本）。成绩：八基准九榜——LIBERO 99.3、RoboTwin2.0-Full 93.60、Clean2Random 69.0、LIBERO-Plus 69.2（该榜 Qwen-RobotManip 89.0 更高，诚实记上）、EBench 49.4、RoboCasa-GR1 60.5、VLABench 58.9、RoboCasa365 38.2、RoboDojo 11.92；真机单臂 82.5%、双臂 RoboDojo 37.6/24.4、灵巧手 90.0。逐图讲解全部 14 张插图（官网 overview/architecture 原图 + 论文 PDF 裁剪）。