Hugging Face发布OneWM框架：统一因果训练下的世界与动作建模协同优化

摘要：Hugging Face推出了一种名为OneWM的统一因果训练框架，旨在探索世界建模与动作建模之间的协同效应。该框架通过将动作视为世界预测的条件和策略学习的目标，在共享的视频-动作架构中实现双向优化。实验结果表明，通过学习指定动作的视觉后果，策略性能和场景泛化能力得到提升；反之，动作学习也改善了多视角世界预测的准确性。这一研究为智能体在复杂环境中的高效决策提供了新的技术路径。

---

1. 核心突破

Hugging Face的研究团队推出了OneWM框架，这是一种用于统一因果训练的新方法，旨在探索世界建模与动作建模之间的协同效应。该框架的核心机制是将动作同时作为世界预测的条件和策略学习的目标，在共享的视频-动作架构中实现双向优化。

2. 技术机制剖析

OneWM框架通过以下方式实现其目标：

• 动作作为条件：在训练过程中，动作被用作世界预测的条件，这使得模型能够学习动作对环境的影响，从而提升对动态变化的适应能力。
• 动作作为目标：同时，动作本身也被视为策略学习的目标，这有助于模型在生成动作时考虑其对世界状态的影响。
• 共享架构：通过共享的视频-动作架构，模型能够在统一的框架下进行世界建模和动作生成，避免了传统方法中模块间的信息孤岛问题。

3. 工程权衡与实测表现

实验在LIBERO、LIBERO-Plus和RoboCasa365等具身智能体测试平台上进行，并辅以真实世界策略实验。结果表明：

• 策略性能提升：学习指定动作的视觉后果显著提升了策略在变化场景中的性能与泛化能力。
• 世界预测准确性：动作学习反过来也提高了多视角世界预测的准确性。

这些结果验证了统一因果训练在提升智能体决策能力方面的有效性。

4. 开发者落地与部署建议

对于开发者而言，OneWM框架提供了一种新的思路，即在设计智能体时，应考虑世界建模与动作建模的协同效应。具体建议包括：

• 架构设计：采用共享的视频-动作架构，以实现世界建模与动作生成的双向优化。
• 训练策略：在训练过程中，将动作同时作为条件和目标，以提升模型对动态环境的适应能力。
• 实验验证：在具身智能体测试平台上进行充分验证，以确保模型在实际应用中的性能。

5. 未来展望

OneWM框架为智能体在复杂环境中的高效决策提供了新的技术路径。未来研究可以进一步探索如何将这一框架应用于更大规模的具身智能体系统，以及如何结合其他先进技术（如多模态感知和强化学习）以实现更强大的智能体能力。

---

消息来源：Hugging Face Daily Papers (2026-10-15)

—— 完 ——

主题标签： #Hugging Face 关注 #智能体 关注 #统一因果训练 关注 #世界建模 关注 #动作建模 关注