OpenWAM
OpenWAM（openwam-official.github.io）是面向具身/机器人 AI 的开源「世界-动作模型」（WAM）预训练研究栈，把代码、预训练模型 OpenWAM-α、数据配方与评测协议以 Apache-2.0 一次性放出；其 OpenWAM-Infra 把 WAM 设计空间拆成可组合模块（视觉编码器/视频主干/架构/注意力掩码）并统一训练、推理、部署与评测，OpenWAM-Study 用受控实验总结出世界-动作协同的可操作原则，OpenWAM-α 在约 6400 小时第一人称人与机器人数据（5.18 亿帧）上预训练，跨 8 个仿真基准与 3 个真实机器人平台表现领先。出自 XPolicyLab 与多所高校，GitHub 951 stars，免费开源、需自备算力。
核心功能
- ✓ 数据分析
- ✓ 开源
- ✓ 提供API
- ✓ 模型微调
👍 优点
- + 完全开源的「世界-动作模型」全栈：一次性放出基础设施（OpenWAM-Infra）、受控研究（OpenWAM-Study）、预训练模型 OpenWAM-α 与数据配方/评测协议，Apache-2.0，研究可复现、可二改
- + 把 WAM 设计空间拆成可组合模块：4 视觉编码器 / 5 视频主干 / 6 架构变体 / 4 注意力掩码，统一 trainer、policy server 与跨仿真+真实机器人的评测协议，做「受控实验」而非黑盒实现
- + 受控研究给出可操作原则：上游知识靠够强的生成主干 + 紧凑信息丰富的隐空间迁移；世界-动作协同需显式世界→动作信息流 + 同步联合去噪；具身预训练主要提升 OOD 泛化——对做 embodied AI 的人很有指导价值
- + 规模与评测扎实：OpenWAM-α 在约 6,400 小时（5.18 亿帧）第一人称人与机器人数据上预训练，80-D 统一动作空间；跨 8 个仿真基准 + 3 个真实机器人平台（单臂/双手/灵巧手）表现持续领先，仿真到现实一致性强
- + 社区与背书强：出自 XPolicyLab，合作 NUS、清华、北大、港大、浙大、港中文、上交等；GitHub 951 stars，模型/数据走 Hugging Face，学术与工程都可信
👎 缺点
- - 研究项目而非开箱产品：是论文+代码+权重的科研栈，面向有训练/部署大模型与机器人经验的团队；普通开发者直接「用」门槛高，需自己搭环境、跑训练与推理
- - 聚焦机器人/具身「世界-动作模型」这一窄域：只解决 embodied 控制相关的预训练，不做通用对话、文生图/视频等；与想要通用 AI 应用的人无关
- - 资源与算力要求重：预训练用了数千小时多视角机器人/第一人称数据、数亿帧；复现或微调需要相当 GPU 与数据工程，个人小团队难负担完整流程
- - 部署到真实机器人仍需额外工程：虽给 policy server 与真实平台评测，但落到你自己硬件/本体要做标定、动作空间适配与安全规定，不是即插即用
- - 演进快、接口可能变动：属活跃研究栈，模块/配置/评测协议会随版本迭代，长期生产依赖需自行锁定版本与维护
适合人群
最适合： 做具身/机器人智能、想要可复现「世界-动作模型」预训练栈的研究者与工程师：需要模块化训练基础设施（可换视觉编码器、视频主干、架构、注意力掩码）与统一 trainer/policy server/评测协议；想通过受控实验搞清「继承什么世界知识、世界与动作如何协同、如何跨域扩展」的人；要在 8 仿真 + 3 真实机器人平台（单臂/双手/灵巧手）上做控制、且要仿真到现实一致性的团队；愿基于 OpenWAM-α 权重与数据配方做微调/二次研究、并接受 Apache-2.0 自由使用的学术与工业实验室；来自 XPolicyLab、NUS、清华、北大等的合作者及想复现 INTELLECT 式开放研究的社区。
不适合： 想要开箱即用 AI 产品、不懂训练/部署大模型与机器人工程的普通用户——它是科研栈而非应用；只做通用对话、文生图/视频的人——OpenWAM 只解决 embodied 控制相关的世界-动作预训练，领域很窄；无 GPU 与机器人数据、无法负担数千小时多视角数据预训练的小团队——复现与微调成本高；期望即插即用落地到自有硬件的人——仍需标定、动作空间适配与安全规定等额外工程；要稳定生产 API、厌恶活跃研究栈接口频繁变动的团队；把 OpenWAM 与同名的其他 WAM/软件混淆、实际要别家的人。
