AI Dance(@AI_Whisper_X):刚发现一个OpenMOSS（复旦大学等机构）发布的 Awesome-WAM 仓库，按一套架构分类法把 WAM 分成两类： 1、Cascaded WAM（级联式）：先生成未来视频/画面，再从中抽取动作（UniPi、VLP、TesserAct、AVDC 这类）。 2、Joint WAM（联合式）：视频和动作一起生成，又分自回归（GR-1/GR-2、CoT-VLA、WorldVLA…）扩散式（UWM、UVA、Cosmos Policy…）还有World Model for VLA：把世界模型用于模仿学习、强化学习、以及策略评测（Dreamer 系列、WorldEval 等）。并系统罗列了机器人数据集（OXE、DROID、Bridge…）、UMI、仿真、第一视角人类视频等。他们还用一个开源的 summarization skill（Paper2Blog），为大量论文自动生成了一篇结构化的中文/解读博客，还把这个生成 skill 本身开源了。

2026.06.19 10:16

刚发现一个OpenMOSS（复旦大学等机构）发布的 Awesome-WAM 仓库，按一套架构分类法把 WAM 分成两类： 1、Cascaded WAM（级联式）：先生成未来视频/画面，再从中抽取动作（UniPi、VLP、TesserAct、AVDC 这类）。 2、Joint WAM（联合式）：视频和动作一起生成，又分自回归（GR-1/GR-2、CoT-VLA、WorldVLA…）扩散式（UWM、UVA、Cosmos Policy…）还有World Model for VLA：把世界模型用于模仿学习、强化学习、以及策略评测（Dreamer 系列、WorldEval 等）。并系统罗列了机器人数据集（OXE、DROID、Bridge…）、UMI、仿真、第一视角人类视频等。他们还用一个开源的 summarization skill（Paper2Blog），为大量论文自动生成了一篇结构化的中文/解读博客，还把这个生成 skill 本身开源了。

显示更多