机器人世界基座模型登场！GreenWAM 统一 20 类机器人解剖结构：直控真机人形，零样本击败 Cosmos

核心背景与行业痛点

具身智能机器人系统若要实现真正的通用物理操作，必须具备两大核心认知支柱：其一是高精度的“世界模型”（World Model），能够前瞻推演自身动作将如何改变物理场景与物体空间状态；其二是敏捷的“控制策略”（Policy），能够根据场景目标决策出最优关节力矩。然而在现有学术界与工业界实践中，世界模型与控制策略几乎完全割裂研发与评测；更为棘手的是，市面上数十种形态各异的机器人（如单臂、双臂协作臂、轮足机器人、双足人形机器人）各自采用完全孤立的私有动作坐标系与控制协议，导致多源多机型的数据完全无法互通互惠，机器人基座模型长期停留在单机专用的孤岛状态。

架构亮点与底层机制

针对本体异构与模型割裂两大根本瓶颈，研究团队推出了机器人通用世界基座模型 GreenWAM（Green World Action Model）：

1. 涵盖 20 类机器人形态的统一解剖动作空间（Shared Anatomical Action Space）：突破传统私有坐标系的藩篱，建立了一套通用的解剖学拓扑关节空间，将包括双臂抓取臂、高灵巧手以及全自由度人形机器人在内的 20 大机器人家族映射入统一的连续坐标表征；
2. 三模态联合基础预训练：在大规模物理模拟与真实采集数据上，统一以纯视觉演化（Visual）、动作条件预测（Action-Conditioned）以及端到端世界动作联合生成（World-Action）三种模式进行大规模混合自监督预训练；
3. 生成器与动作专家分离架构（Action Expert Splitting）：在策略适应阶段，巧妙地将动作专家网络从庞大的场景生成器主干中分离出来，既继承了世界模型深厚的物理时空先验，又杜绝了冗余渲染计算，可无损蒸馏为支持高帧率实时控制的单步策略。

权威 Benchmark 与实测跑分对比

在权威虚拟物理基准与真实物理机器人部署中，GreenWAM 展现出强大的综合统治力：

• WorldArena 1.0 全维登顶：作为世界模型评估，GreenWAM 在 WorldArena 1.0 评测中取得了全场第一的 3D 轨迹预测、深度估计与几何时空精度，全面击败所有参评的专用世界动作模型与前沿视频生成模型；
• 操控策略全面刷新纪录：在 RoboTwin 2.0 榜单中名列前茅，在极为严苛的零样本（Zero-shot）LIBERO-plus 泛化任务上取得最高成功率，并在 CALVIN 与 LIBERO 上持平甚至超越专用 VLA 策略；
• 实体人形机器人真机控制突破：研究团队进一步将 GreenWAM 部署到实体双足人形机器人硬件上执行复杂真机操作，其实测任务成功率显著超越了基于英伟达 Cosmos 3 Edge 以及 Physical Intelligence 经典 π0.5 适配的策略，证明了统一解剖动作表征的强大真机迁移韧性。

开发者实战落地与开箱指南

GreenWAM 的架构设计为具身智能工程师打破硬件碎片化孤岛提供了关键范例：

• 预印本系统研读：详细的 20 类机器人共享解剖拓扑映射矩阵与单步实时控制蒸馏算法详见预印本（arXiv:2610.18774）；
• 多形态机器人统一调度：拥有多样化硬件资产的实验室或机器人厂商，可参考其解剖统一动作空间设计自己的数据清洗飞轮，将不同机型的示教数据统一打标签混训；
• 真机低延迟部署：在需要 50Hz 以上高频闭环反馈的实体硬件上，建议采用其动作专家分离策略，利用预训练世界模型初始化小参数量策略头并进行单步蒸馏，兼顾物理常识与毫秒响应速度。