李飞飞团队造了个世界动作模型：换个底座，机器人成功率直接飙升
2026.10.08 · 事件 · 论文 · 论文预印本
斯坦福团队发布 OpenWAM，用固定底座和可切换交互方式拆解世界动作模型提升来源。
斯坦福李飞飞等团队提出开放世界动作建模框架 OpenWAM，基于 Wan2.2-5B 做因果化视频预训练，并用 MoT 架构拼接视频与动作专家。团队还构建 LIBERO-Long-CF 反事实数据集，验证局部 IDM 可冻结迁移，成功率从 21.5% 升至 84.0%。
- OpenWAM 基于 Wan2.2-5B，在约 334 万条交互视频上预训练
- 定义 VTA、ATV、Joint、Decoupled 四种交互程序
- 构建 LIBERO-Long-CF，含 32000 片段、约 410 万条控制记
- 因果化底座使 LIBERO-Long 成功率从 68.4% 升至 97.8%
- 冻结局部 IDM 迁移平均成功率达 84.0%，完整上下文仅 47.0%
为什么值得看
世界动作模型论文密集涌现，但缺少可控制变量的公共试验台。
适合谁关注
关注机器人学习、VLA 与世界模型的研究者和工程师。