- 类别
- VLA 模型
- 开放程度
- 开源
- 发布时间
- 2026 年 3 月
- 开源协议
- MIT
- 发布方所在地
- 中国
项目简介
清华大学交叉信息研究院与星海图研究「世界-动作模型是否需要在测试时想象未来」的工作。以 Wan2.2-5B 视频扩散模型为主干,加一个 1B 参数的动作专家,训练时同时学习视频预测和动作生成,推理时可跳过未来视频生成、直接由当前观测输出动作;新版 Optional IDM 模型可在先生成未来画面再出动作和直接出动作两种模式间切换。开源 LIBERO、RoboTwin 代码、权重和数据。
- 规模
- 约 6B 参数(Wan2.2-5B 视频 DiT + 1B 动作专家)
适配机器人
- Galaxea R1 Lite