Hugging Face发布GreenWAM：革新机器人领域的世界基础模型

摘要：Hugging Face推出GreenWAM，这是一款面向机器人领域的世界基础模型，旨在统一预测机器人动作对场景的影响并选择最优动作策略。GreenWAM通过共享解剖学动作空间、多模态联合训练以及分离动作专家的生成器策略，实现了跨不同机器人形态的高效世界建模与控制。在多个基准测试中，GreenWAM在轨迹、深度和3D精度方面表现优异，并在RoboTwin 2.0排行榜中名列前茅。此外，GreenWAM在真实人形机器人上的适应实验也展示了其强大的泛化能力和实时控制潜力。

---

技术机制剖析

GreenWAM的核心创新点在于其多层次的技术架构：

1. 共享解剖学动作空间：GreenWAM引入了一个统一的动作描述框架，涵盖20种机器人家族，从双臂机器人到灵巧的人形机器人，均以通用关节坐标表示。这一设计使得模型能够跨不同形态的机器人进行知识迁移和任务适应。

2. 多模态联合训练：通过在视觉、动作条件化以及世界-动作模式下的联合训练，GreenWAM能够同时学习场景感知、动作生成和世界状态预测。这种多模态训练方式提升了模型对复杂场景的理解和预测能力。

3. 分离动作专家的生成器策略：GreenWAM的生成器策略将动作专家分离出来，使得模型在执行动作时能够更灵活地适应不同任务需求，同时保持对世界状态的高效预测。

工程权衡与实测表现

• 优势：GreenWAM在多个基准测试中表现出色，包括WorldArena 1.0、RoboTwin 2.0、CALVIN和LIBERO等。其在真实人形机器人上的适应实验也展示了其在复杂场景中的鲁棒性和实时控制能力。

• 挑战：尽管GreenWAM在多模态训练和跨形态适应方面表现出色，但其对计算资源的需求较高，尤其是在高维动作空间和复杂场景下的训练和推理过程中。此外，模型在不同机器人形态之间的知识迁移仍需进一步优化，以应对更广泛的实际应用场景。

开发者落地与部署建议

• 硬件需求：建议使用高性能GPU（如NVIDIA A100或H100）进行模型训练和推理，以满足GreenWAM对计算资源的需求。

• 软件支持：开发者可以利用Hugging Face的Transformers库和相关的机器人模拟器（如Gazebo或MuJoCo）进行模型部署和测试。

• 应用场景：GreenWAM适用于需要跨形态机器人协作和复杂场景理解的应用场景，如智能制造、仓储物流和医疗护理等。

结论

GreenWAM的发布标志着机器人领域在统一世界建模和跨形态适应方面的重要进展。其多模态训练和分离动作专家的策略为未来的机器人智能体开发提供了新的技术路径。

---

消息来源：Hugging Face Daily Papers (2026-10-13)

—— 完 ——

主题标签： #Hugging Face 关注 #机器人 关注 #世界模型 关注 #多模态训练 关注 #智能体 关注