OpenWAM：面向世界-動作模型的開放式模組化預訓練研究
為何重要
此研究將 embodied AI 從「黑箱最佳化」轉向「工程化設計」，透過開源架構打破了 monolithic 模式的技術壁壘；其強調世界知識與動作能力通過特定結構（如同步聯合去噪）進行低成本傳遞，為開發者提供了模擬轉真機泛化的具體解決方案路徑。
現有的 World-Action Models (WAM) 系統過於單一且設計選擇不透明。OpenWAM 旨在將世界-動作預訓練轉化為受控的實驗程式，透過開放式研究堆疊來剖析設計空間。
- 提供 OpenWAM-Infra 和 OpenWAM-Study，透過模組化設計與實驗檢驗知識傳遞、學習互動及泛化能力原則。
- 建立 OpenWAM-α 模型，訓練資料涵蓋約 6,400 小時的 egocentric 人機資料。
- 在涵蓋單臂、雙手及靈巧手的 8 個模擬基準與真機實驗中表現穩定，維持頂級榜單水準。
- 發布完整的基礎設施、評估協定、預訓練模型與資料食譜以利後續研究。