人工智能具身智能机器人【免费下载链接】EasyWAM-MoT-IDM-Cosmos25项目地址https://ai.gitcode.com/OpenMOSS/EasyWAM-MoT-IDM-Cosmos25点击查看免费下载EasyWAM-MoT-IDM-Cosmos25 是一套基于 NVIDIA Cosmos-Predict2.5-2B 世界模型构建的机器人操作策略世界动作模型检查点在 LIBERO 基准上取得了平均 99.3% 的任务成功率是同类架构中的最优表现。本文将用通俗语言带你彻底搞懂什么是世界动作模型、IDM 架构为什么更强、以及如何下载检查点并运行评测。 一句话说清楚它是做什么的要素说明它是什么开源机器人操作策略检查点EasyWAM 系列中 MoT-IDM 架构版本底层骨干NVIDIA Cosmos-Predict2.5-2B 视频世界模型核心能力看视频、读机器人状态预测并执行下一步动作机械臂操作主要成绩LIBERO 四套件平均成功率99.3%同骨干模型中最高许可证检查点采用 CC BY-NC 4.0代码为 MIT简单来说它教机器人先想象画面会怎样变化再决定手该往哪动——这就是世界动作模型World Action Model, WAM的核心思想。 前置概念什么是世界动作模型世界模型World Model世界模型是一种在脑海中模拟世界的神经网络典型形态是视频生成模型给定当前画面预测接下来几帧视频。NVIDIA 的Cosmos系列正是这类物理世界基础模型而本仓库使用的骨干是Cosmos-Predict2.5-2B约 20 亿参数。从会想象到会动手普通视频模型只预测画面而世界动作模型在此基础上多了一个关键能力预测机器人动作。EasyWAM-MoT-IDM 的架构要点有三双 DiT 联合设计Joint Dual-DiT两条扩散 Transformer 分支协同工作一支负责视频预测一支负责动作预测共享世界理解能力IDM逆动力学模型分支新增一条教师强制的条件视频分支teacher-forced conditional-video branch让动作预测以条件化视频为参照使想画面与出动作更紧密地绑定在一起——这正是MoT-IDM名称的由来状态 Token 布局采用sequence方式放置机器人本体状态关节/末端状态与视觉信息序列化处理。 对新手的一句话总结视频分支负责想象动作分支负责执行IDM 分支把两者用条件视频缝合起来所以它比 Unified、MoT、Hidden 等兄弟架构更准。 LIBERO 基准成绩到底有多强LIBERO 是目前评估机器人操作策略最常用的基准之一覆盖空间推理、物体操作、目标理解等多种任务。在 EasyWAM 官方评测协议下所有结果使用state_position: sequence数值越高越好主基准LIBERO 四套件成功率%模型SpatialObjectGoalLIBERO-10平均EasyWAM-Unified97.899.497.093.096.8EasyWAM-MoT98.098.498.495.697.6EasyWAM-MoT-Joint98.699.898.496.098.2 EasyWAM-MoT-IDM99.499.499.898.499.3EasyWAM-Hidden97.298.896.095.096.8平均 99.3%且四项全部位居第一——在换背景、换相机、换光照等扰动场景下同样稳健见下表的 LIBERO-Plus。鲁棒性LIBERO-Plus 扰动测试%LIBERO-Plus 会对背景、相机位姿、光照、传感器噪声等 8 个维度逐一施加扰动检验策略的抗造能力模型背景相机语言布局光照噪声机器人平均EasyWAM-Unified72.763.790.182.689.272.179.278.2EasyWAM-MoT60.775.192.382.692.681.358.577.7EasyWAM-MoT-Joint62.160.896.684.594.469.476.977.7 EasyWAM-MoT-IDM66.459.893.885.789.072.381.978.4EasyWAM-Hidden59.565.992.685.089.168.382.577.8可以看到在机器人本体扰动、语言指令、任务布局等维度上MoT-IDM 均表现领先平均鲁棒性 78.4% 位列第一。 仓库文件详解本仓库是一个纯检查点发布仓库文件非常精简各司其职文件作用libero_mot_idm_cosmos25.ptLIBERO 全参数检查点约 5.2 GBEasyWAM PyTorch.pt格式通过 Git LFS 托管libero_dataset_stats.json数据集归一化统计状态 8 维、动作 7 维的 min/max/均值/标准差/分位数评测时必需README.md项目说明、成绩表格、下载与评测命令小提示libero_dataset_stats.json不是可有可无的附属文件——模型推理时需要它把机器人状态和动作缩放到统一数值范围缺了它评测脚本无法运行。 快速上手下载检查点并运行评测完整流程分三步按 README.md 的指引进行第 1 步准备运行环境安装EasyWAM代码库本检查点的训练与评测框架按 EasyWAM 官方文档中的 Cosmos-Predict2.5-2B 骨干指南配置 NVIDIA Cosmos 依赖按 LIBERO 评测指南搭建仿真环境。第 2 步下载检查点文件hf download OpenMOSS-Team/EasyWAM-MoT-IDM-Cosmos25 \ libero_mot_idm_cosmos25.pt \ libero_dataset_stats.json \ --local-dir ./checkpoints执行后会得到两个文件./checkpoints/libero_mot_idm_cosmos25.pt与./checkpoints/libero_dataset_stats.json。第 3 步运行 LIBERO 评测python experiments/libero/run_libero_manager.py \ tasklibero_easywam_mot_idm_cosmos25 \ ckpt./checkpoints/libero_mot_idm_cosmos25.pt \ EVALUATION.dataset_stats_path./checkpoints/libero_dataset_stats.json默认协议会对LIBERO 全部四个套件、每个任务各跑 50 次试验如果有多张 GPU可以追加MULTIRUN.num_gpusgpu-count参数把评测任务分布到多卡上并行加速。⏱️⚖️ 许可与引用代码EasyWAM 代码库采用 MIT License可自由使用检查点本仓库发布的检查点采用CC BY-NC 4.0许可且受其基础模型Cosmos与训练数据条款约束商用前请务必确认授权范围引用如果在研究中使用了该项目请引用misc{easywam2026, title {EasyWAM: A Unified and Efficient Framework for Training and Evaluating World Action Models}, author {EasyWAM-Team}, year {2026} }✅ 总结为什么值得了解 EasyWAM-MoT-IDM-Cosmos25架构创新在 EasyWAM 双 DiT 联合设计上加入教师强制条件视频 IDM 分支让想象未来与输出动作深度融合成绩过硬LIBERO 平均成功率 99.3%、鲁棒性测试 78.4%均为同骨干Cosmos-Predict2.5-2B模型最佳开箱即用仓库直接提供全参数检查点与归一化统计按文档三步即可完成评测方向价值它是世界模型赋能机器人操作这一前沿路线的高性价比参考实现适合研究者与机器人新手快速复现与对比。如果你想进一步研究世界动作模型建议从 README.md 出发对照各架构的成绩表README.md理解 IDM 分支带来的提升再动手跑一次完整评测。赞分享人工智能具身智能机器人【免费下载链接】EasyWAM-MoT-IDM-Cosmos25项目地址https://ai.gitcode.com/OpenMOSS/EasyWAM-MoT-IDM-Cosmos25点击查看免费下载相关推荐什么是机器人世界动作模型EasyWAM-Hidden-Cosmos25 项目入门完全指南什么是机器人世界动作模型EasyWAM Hidden Cosmos25 项目入门完全指南 EasyWAM Hidden Cosmos25 是一个面向机器人领域Refly CLI Workflow 命令详解从自然语言生成到节点级调试的 Agent 工作流操作指南Refly CLI Workflow 命令详解从自然语言生成到节点级调试的 Agent 工作流操作指南 本文以 Refly 仓库中 packages/cli/EasyWAM-MoT-IDM-Wan22正式发布LIBERO成功率98.6%基于Wan2.2的机器人世界动作模型终极指南EasyWAM MoT IDM Wan22正式发布LIBERO成功率98.6%基于Wan2.2的机器人世界动作模型终极指南 EasyWAM MoT I人工智能具身智能机器人上一篇TiXL 中 CountInt 计数运算符完全指南用整型计数器驱动实时视觉逻辑下一篇从0到1ET框架单元测试全自动化实战——无缝对接CI/CD流程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考