OpenWAM ist ein offenes Welt-Aktions-Modellierungs-Framework, das durch Bereitstellung einer gemeinsamen kausalen Robotervideo-Grundlage den Vergleich von Entwurfswahlen in Vorhersage und Steuerung ermöglicht. Ausgehend von Wan2.2-5B führt es ein kausales Vortraining auf über 10.000 Stunden Video (3,34 Millionen Trajektorien) durch und integriert einen Aktionsexperten über eine Mixture-of-Transformers-Architektur, die gemeinsame, sequentielle und entkoppelte Generierungsmodi unterstützt.
Das Framework erreicht hohe Erfolgsraten bei vier LIBERO-Suites und realen bimanualen Aufgaben, wobei der VTA-Erfolg durch kausale Anpassung von 68,4 % auf 97,8 % steigt. Wenn nur der Videovorhersager sich an neue Aufgaben anpasst, erreicht ein eingefrorenes lokales Kontext-Inversdynamik-Modell, das auf kontrafaktuelle Daten trainiert wurde, eine durchschnittliche Erfolgsrate von 84,0 % bei vier gehaltenen LIBERO-90-Aufgaben.
Für die Vorwärtsdynamik reduziert kontrafaktuelle Supervision den RGB-Vorhersagefehler um 34,5 % und erhöht die Ergebniserkennung von 21,1 % auf 71,3 % unter 16 gleichzuständigen Ergebnissen. Die Vortrainingsdatensätze umfassen Open X-Embodiment (1.300.749 Trajektorien), Agi Bot World Beta und andere, insgesamt 14.640 Stunden Quellvideo.
Wesentliche Entitäten: Unternehmen: Open X-Embodiment, Intern Data-A1
Quelle: Hacker News · Zusammengefasst von HeadlinesBriefing