WAM-Policy:把机械臂世界模型迁移到四足机器人,推理提速14倍

Hugging Face Papers 收录的 WAM-Policy 提出一种两阶段方法,把原本面向机械臂的世界动作模型改造成四足机器人“三腿行走+前腿操作”的语言指令策略。在 QLM-Bench 的十个模拟任务上,学生策略保持了接近教师模型的成功率,采样速度提升约 14 倍。

一句话看懂:Hugging Face Papers 收录的 WAM-Policy 提出一种两阶段方法,把原本面向机械臂的世界动作模型改造成四足机器人“三腿行走+前腿操作”的语言指令策略。在 QLM-Bench 的十个模拟任务上,学生策略保持了接近教师模型的成功率,采样速度提升约 14 倍。

事件核心:发生了什么

论文摘要显示,WAM-Policy 要解决的是四足机器人 loco-manipulation(行进中操作)缺少语言指令策略的问题。现有世界动作模型(WAM)虽能按语言指令做操作,但主要针对机械臂预训练,推理采样慢。方法分两步:第一阶段做跨形态策略适配与加速,把机械臂 WAM 迁移到四足平台,并用 on-policy 自蒸馏压缩为一步视频、两步动作的学生模型;第二阶段用强化学习微调教师,再通过多教师 on-policy 蒸馏把多个慢速专家合并成少步学生。在 QLM-Bench 十个模拟任务、1000 条免遥操作演示上,迁移策略达 77.0%,OPSD 学生保持 76.7%,采样快 14 倍;加入任务级 RL 与 M-OPD 后提升到 85.0%。作者还把 OPSD 学生部署到真实 Unitree Go2 Air。以上均基于摘要,全文实验尚未核验。

为什么重要

这条路线值得关注的地方在于“复用”。机械臂领域积累的世界模型和语言条件策略数据不必从零重做,而是可以通过跨形态适配和蒸馏迁移到四足机器人,降低新硬件形态的政策开发成本。同时,14 倍推理加速说明少步蒸馏可能让大模型策略更接近实时控制,这对机器人端侧算力受限的场景尤其关键。目前公开信息显示,这是研究层面的方法验证,而非已上线产品。

对用户/开发者/创作者的影响

对机器人开发者,WAM-Policy 提供了一种可参考的工程链路:先用现成 WAM 做迁移,再用 OPSD 降采样成本,最后用 RL 补足教师只模仿演示的局限。对研究团队,摘要里的 1000 条合成演示和 QLM-Bench 评测设置值得复现和对比。对关注具身智能的创作者,重点不是“四足机器人会操作了”,而是“世界模型跨硬件复用”这一技术叙事是否成立,以及真实部署的稳定性。

GamsGo AI

AI 工具推荐

想把多个 AI 模型放在一个入口?

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。

值得关注的后续

一是 Unitree Go2 Air 上的真实部署数据是否会公开,成功率与模拟差距多大;二是 OPSD 和 M-OPD 在更多任务、更多形态上是否仍能保持蒸馏收益;三是这套方法是否会推动更多团队用“大模型教师+少步学生”的方式做机器人实时策略,而非直接追求大模型端侧推理。

来源:Hugging Face Papers

celebrityanime
celebrityanime
文章: 36147

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注