七校开源 OpenWAM：世界动作模型全栈框架与基座权重发布
据机器之心报道，新加坡国立大学、清华大学、北京大学等七所高校团队开源 OpenWAM，包含模块化基础设施 OpenWAM-Infra、受控实验研究 OpenWAM-Study 与基座模型 OpenWAM-α，覆盖八个仿真基准与三类真实机器人平台，并发布预训练权重与数据配方。
发生了什么
据机器之心报道，来自新加坡国立大学、清华大学、北京大学等七所高校的研究团队开源了 OpenWAM，定位为面向世界动作模型（WAM）的全栈研究框架与基座模型。项目分三层：OpenWAM-Infra 提供可组合模型（视觉编码器、数据流骨干、可见性注意力掩码可独立替换，支持单系统、双系统、三系统架构）、统一训练运行时（预训练、微调、断点续训，检查点保存完整配置与动作归一化统计）、部署运行时（同一策略服务器承载不同模型，支持同步/异步推理与多种去噪日程）以及评测协议（覆盖 LIBERO、LIBERO-Plus、VLABench、RoboTwin2.0、RoboDojo、RoboCasa365、EBench、RoboCasa-GR1 八个仿真基准）。OpenWAM-Study 在固定预算下做受控实验，报告了骨干容量对比（Wan2.1-VACE-1.3B 90.14%、Cosmos-Predict2.5-2B 91.64%、Wan2.2-TI2V-5B 92.39%、Wan2.1-I2V-14B 93.79%）、信息流消融（动作流单向看世界流 92.39%，双向互见 92.15%）与跨域具身预训练结果（OOD 成功率从零开始 14.50%、协同训练 26.62%）。OpenWAM-α 以 Wan2.2-VAE 为冻结视觉编码器、Wan2.2-TI2V-5B 为视频流骨干、1B 参数 ActionDiT 处理动作流，使用 80 维统一动作空间，预训练实际训练集约 5.185 亿帧、约 6,369 小时。论文称其在 EBench 上 SR 与 Score 领先第二名约 4 个百分点，在单臂真实机器人六项任务平均成功率 82.5%，并报告了在未见过的灵巧手形态上微调后的结果。
对开发者的影响
对机器人学习方向的开发者而言，影响主要在三点，且均为基于来源报告的推断而非已验证事实。第一，统一动作空间加有效性掩码的做法，把不同平台的关节/末端动作映射到固定槽位，使跨形态微调不必重写动作头，这降低了新增机器人平台时的接入成本，但代价是必须先完成动作与状态到槽位的映射约定。第二，来源报告的部署数据（同步推理、10 步联合去噪，通过固定形状编译、CUDA Graph、速度缓存、提示词嵌入缓存、跳过控制路径 VAE 解码，在 RTX 5090 上单动作块约 170 毫秒）说明其推理栈高度针对固定形状与缓存优化，若你的输入分辨率、动作块长度或批大小频繁变化，这类优化的收益会明显衰减。第三，来源明确指出了 WAM 与 VLA 的分工：WAM 在分布内任务更贴合训练分布，VLA 在分布外扰动下通常更稳健，LIBERO-Plus 上的下降主要集中在相机与噪声扰动，并被归因于预训练数据中相近单臂扰动样本比例有限以及像素潜空间长时预测对视角噪声更敏感。这意味着把 WAM 直接用于传感器布局多变或高频抖动的现场，需要先做针对性数据补强，而不是期待开箱泛化。
接入与评估建议
以下为建议与条件性分析，不是来源陈述的事实。建议一：是否替换视频骨干，取决于你的算力预算与对成功率差值的容忍度。来源报告 14B 骨干比 5B 高 1.40 个百分点，而 5B 被选为默认，因此若你处于单机多卡、需要频繁重训的阶段，先用 5B 作为基线，并把评测标准设为在同一 RoboTwin2.0 配置、固定预算下平均成功率不低于你当前方案，同时记录单次训练与单动作块推理延迟。若你的任务是高精度长时操作且已有稳定算力，则再验证 14B 是否带来超过噪声水平的增益。建议二：是否采用双向互见信息流，取决于你是否进行了跨域具身预训练。来源报告从零开始时单向世界到动作略占优势，而预训练后双向互见在域内和域外更稳定，因此若你直接微调官方预训练权重，应优先复现双向互见配置；若你从零自训小数据模型，则应先对比单向设置。评测标准建议设为在 Clean2Random 类随机化设置下的成功率，并要求域内指标不出现超过基线的明显下降。建议三：是否投入人类第一视角数据，取决于你的瓶颈是域内精度还是分布外泛化。来源报告预训练对域内提升有限、对 OOD 提升显著，且单阶段协同训练略优于分阶段。因此若你的现场主要表现为新光照、新背景、新相机位姿，应优先扩充人类第一视角与机器人混合数据并做单阶段训练；若你的问题是基础抓取失败率高，则应先补机器人轨迹的动作标注质量。建议四：动作空间接入前，先用小规模回放验证 80 维映射中未使用维度被有效性掩码正确屏蔽，再评估微调后的任务成功率，避免无效维度污染训练信号。
限制与待确认事项
OpenWAM-α 这一版本目前未出现在 KimiSeek 的实时模型目录中，开发者不能在本站直接调用；来源中提及的模型与数据发布指向 Hugging Face 等项目页面，与本站可用性无关。来源全部性能数字（包括各骨干平均成功率、EBench 领先幅度、真实机器人成功率）均来自论文作者自述，本文未独立复现，也未在统一条件下与这些方法重新对比；不同骨干在结构、数据和目标上并不完全相同，来源本身也提醒不能把收益简单归因于参数量。真实机器人结果来自研究团队的实验平台，任务集合、评测协议与硬件配置与生产现场差异较大，不能直接外推。来源报告“第一梯队”等表述缺少逐基准完整排名，读者应以论文面板数据为准。项目是否采用开放源码许可证、权重是否允许商用，来源未作说明，权重可下载不等于获得开源许可，需以仓库与模型卡的实际条款为准。可复现性依赖预训练权重、数据配方与评测协议能否完整获取，来源称已发布，但实际完整度与后续维护策略仍未知；数据来源的分发许可也可能限制你的再训练用途。