OpenWAM adalah kerangka pemodelan dunia-tindakan terbuka yang memungkinkan perbandingan pilihan desain dalam prediksi dan kontrol dengan menyediakan dasar video-robot kausal yang sama. Dibangun dari Wan2.2-5B, ia melakukan pra-pelatihan kausal pada lebih dari 10.000 jam video (3,34 juta lintasan) dan mengintegrasikan ahli tindakan melalui arsitektur Mixture-of-Transformers yang mendukung mode pembuatan bersama, berurutan, dan terpisah.
Kerangka ini mencapai tingkat sukses tinggi pada empat suite LIBERO dan tugas bimanual dunia nyata, dengan sukses VTA meningkat dari 68,4% menjadi 97,8% melalui adaptasi kausal. Ketika hanya prediktor video yang beradaptasi dengan tugas baru, model dinamika invers konteks lokal yang beku yang dilatih pada data kontrafaktual mencapai tingkat sukses rata-rata 84,0% pada empat tugas LIBERO-90 yang ditahan.
Untuk dinamika maju, supervisi kontrafaktual mengurangi kesalahan prediksi RGB sebesar 34,5% dan meningkatkan identifikasi hasil dari 21,1% menjadi 71,3% di antara 16 hasil dengan kondisi yang sama. Set data pra-pelatihan mencakup Open X-Embodiment (1.300.749 lintasan), Agi Bot World Beta, dan lainnya dengan total 14.640 jam video sumber.
Entitas Utama: Perusahaan: Open X-Embodiment, Intern Data-A1
Sumber: Hacker News · Diringkas oleh HeadlinesBriefing