DreamZero 一作 Seonghyeon Ye 在访谈里复盘了 WAM 也就是世界动作模型推出之后这一年的变化,核心结论就是 WAM 这条路线已经从一个单纯的论文想法,变成了具身智能里和 VLA 并行的主流方向,它的核心优势是靠视频底座学习物理动力学,能做到跨本体迁移、少样本适配机器人,但同时也暴露了推理成本高、高精度任务难落地、视频预测误差传导这些实打实的工程短板,团队也在持续调整优化思路,不少后续衍生模型、GR00T 2 都沿着 WAM 的框架继续迭代。最开始提出 WAM,是因为传统 VLA 模型语义理解很强,但对物理运动、物体交互的泛化能力偏弱,遇到没见过的动作、陌生机器人本体很容易失效,所以 DreamZero 选择用视频扩散主干,让模型同时预测未来画面和机器人动作,把世界变化规律和动作绑定在一起,这也是 WAM 最核心的设计思路。过去一年里,这条路线经历了验证、争议、工程优化、生态拓展几个阶段,先是验证了只用少量人类视频或者别的机器人数据就能迁移技能,30 分钟的玩耍数据就能适配全新机器人本体,后面又做了 Flash 解耦降噪调度、缓存、量化等一系列优化,拿到 38 倍推理加速,实现 7Hz 闭环实时控制,同时行业里也在讨论 WAM 和 VLA 不是替代关系,未来更可能融合。整个研究路线的推进,先是验证基础假设,再解决推理速度问题,接着拓展到更多机器人硬件,最后探索 WAM 作为仿真器配合强化学习的新玩法。
WAM 与 VLA 路线对比表
| 对比项 | WAM 世界动作模型 | VLA 视觉语言动作模型 |
|---|---|---|
| 主干底座 | 视频生成模型 | 视觉语言大模型 |
| 学习重心 | 物理动力学、场景变化预测 | 语义理解、指令对齐 |
| 泛化强项 | 陌生动作、跨机器人本体迁移 | 开放语言指令、语义类任务 |
| 短板 | 推理算力开销大、视频预测误差会累积 | 物理交互泛化弱,新动作容易失败 |
| 代表成果 | DreamZero、GR00T2 | Pi-0.5、早期 GR00T 系列 |
这一年 WAM 路线的关键进展清单
- 基础假设验证:DreamZero 证明联合预测视频 + 动作,零样本泛化能力比同期 VLA 高出 2 倍以上
- 推理加速优化:推出 DreamZero-Flash,解耦视频和动作降噪节奏,搭配系统优化,拿到 38 倍加速,支持 7Hz 实时闭环控制
- 跨具身能力验证:仅 10–20 分钟人类视频就能提升陌生任务性能,30 分钟自由交互数据适配全新机器人 YAM
- 技术路线延续:英伟达 GR00T2 延续 WAM 思路,把人类视频、多机器人数据统一训练
- 生态分化:原 DreamZero 团队后续创业,推出基于这套思路的 Dream-1 模型与机器人 API
一作提到的现存难点和后续方向
- 误差传递问题:视频预测不准,会一步步带偏机器人动作,高精度厘米级任务很难稳定做好
- 算力成本高:视频扩散训练、推理开销远大于普通 VLA,规模化部署门槛高
- 评估标准缺失:缺少统一指标区分到底是视频预测出错,还是动作策略本身出错
- 未来探索:把 WAM 想象出来的视频轨迹当成仿真环境,搭配模型强化学习;尝试把 WAM 思路迁移到电脑智能体、GUI 智能体;继续压缩视频 token,提升信息密度
【相关 FAQ】
问题 1:DreamZero 一作复盘 WAM 这一年,WAM 的核心思路是什么?
回答 1:DreamZero 一作复盘 WAM 这一年,WAM 也就是世界动作模型的核心思路是用视频扩散模型作为底座,联合预测未来画面和机器人动作,让模型先学会物理世界的变化规律,再输出动作,提升陌生动作、跨机器人本体的泛化能力。
问题 2:DreamZero 一作提到 WAM 这一年最大的验证成果是什么?
回答 2:DreamZero 一作提到 WAM 这一年最大的验证成果,是 WAM 可以实现跨具身迁移,只用很短的人类视频或者机器人玩耍数据,就能适配全新机器人本体,不用海量专属遥操作示范数据。
问题 3:WAM 经过这一年发展,是不是会直接取代 VLA?
回答 3:根据 DreamZero 一作的访谈,WAM 经过这一年发展,并不会直接取代 VLA,两者侧重点不一样,WAM 擅长物理动力学泛化,VLA 擅长语义理解,行业更看好后续两条路线融合。
问题 4:WAM 这一年工程优化重点解决了什么痛点?
回答 4:WAM 这一年工程优化重点解决了推理慢的痛点,通过解耦降噪调度、缓存、量化等方案,实现 38 倍推理加速,让 DreamZero 可以做到 7Hz 实时闭环机器人控制。
【参考资料】
[2026-11-22](和 DreamZero 一作聊聊 WAM 这一年)虎嗅网
[2026-10-20](刚刚,全球首个机器人大脑 API 开放,英伟达 DreamZero 团队创业,葛云皓任 CTO)36 氪
[2026-06-15](Pretrained to Imagine, Fine-Tuned to Act: The Rise of World-Action Models)NVIDIA 官方技术博客
[2026-02-17](DreamZero: World Action Models are Zero-shot Policies)arXiv
[2026-02-11](英伟达两篇论文,带来了 VLA 之后具身智能的新范式)36 氪
【免责声明】
本内容仅为访谈资讯整理,DreamZero 一作关于 WAM 的观点属于阶段性研究判断,WAM 路线仍处在前沿科研阶段,技术落地效果受硬件、数据、算力影响;WAM 相关模型不能直接等同于商用可靠机器人方案,所有技术结论以论文、官方项目页后续更新为准。
本文来自作者[泽岳汇品]投稿,不代表环球品牌网立场,如若转载,请注明出处:https://www.865171.cn/qyzx/202611/2027.html
评论列表(4条)
我是环球品牌网的签约作者“泽岳汇品”!
希望本篇文章《和DreamZero 一作聊聊WAM 这一年》能对你有所帮助!
本站[环球品牌网]内容主要涵盖:品牌服务领域
本文概览:DreamZero 一作 Seonghyeon Ye 在访谈里复盘了 WAM 也就是世界动作模型推出之后这一年的变化,核心结论就是 WAM 这条路线已经从一个单纯的论文想法,变成了具身智能里和 VLA 并行的主流方向,它的核心优势是靠视频底座学习物理动力学,能做到跨本体迁移、少样本适配机器人,但同时也暴露了推理成本高、高精度任务难落地、视频预测误差传导这些实打实的工程短板,团队也在持续调整优化思路,不少后续衍生模型、GR00T 2 都沿着 WAM 的框架继续迭代。最开始提出 WAM,是因为传统 VLA 模型语义理解很强,但对物理运动、物体交互的泛化能力偏弱,遇到没见过的动作、陌生机器人本体很容易失效,所以 DreamZero 选择用视频扩散主干,让模型同时预测未来画面和机器人动作,把世界变化规律和动作绑定在一起,这也是 WAM 最核心的设计思路。过去一年里,这条路线经历了验证、争议、工程优化、生态拓展几个阶段,先是验证了只用少量人类视频或者别的机器人数据就能迁移技能,30 分钟的玩耍数据就能适配全新机器人本体,后面又做了 Flash 解耦降噪调度、缓存、量化等一系列优化,拿到 38 倍推理加速,实现 7Hz 闭环实时控制,同时行业里也在讨论 WAM 和 VLA 不是替代关系,未来更可能融合。整个研究路线的推进,先是验证基础假设,再解决推理速度问题,接着拓展到更多机器人硬件,最后探索 WAM 作为仿真器配合强化学习的新玩法。