论文记录 · 证据边界公开

World Action Models are Zero-shot Policies

International Conference on Machine Learning (ICML 2026) · 2026-02-17 · 视觉识别

论文元数据

作者: Seonghyeon Ye、Yunhao Ge、Kaiyuan Zheng、Shenyuan Gao、Sihyun Yu、George Kurian、Suneel Indupuru、You Liang Tan、Chuning Zhu、Jiannan Xiang、Ayaan Malik、Kyungmin Lee、William Liang、Nadun Ranawaka、Jiasheng Gu、Yinzhen Xu、Guanzhi Wang、Fengyuan Hu、Avnish Narayan、Johan Bjorck、Jing Wang、Gwanghyun Kim、Dantong Niu、Ruijie Zheng、Yuqi Xie、Jimmy Wu、Qi Wang、Ryan Julian、Danfei Xu、Yilun Du、Yevgen Chebotar、Scott Reed、Jan Kautz、Yuke Zhu、Linxi "Jim" Fan、Joel Jang
机构: NVIDIA
发布日期精度: 日
研究方向: 视觉识别
机器人: AgiBot G1 mobile bimanual manipulator、Franka single-arm robot、YAM robot、human egocentric video
DOI: 10.48550/arXiv.2602.15922
arXiv: 2602.15922
引用元数据: 0
记录状态: included
质量检查: 无自动质量红旗

工程资源状态

代码: 已核验可访问（使用限制见许可证）
权重: 已核验可访问（使用限制见许可证）
数据: 已核验可访问（使用限制见许可证）
许可证: 许可证条款已核验（不等于可商用）

当前实践优先级

高潜待持续验证 · 68/100 · 4–6 个月

研发注意力：48/80 · 证据分项观察

工程落地：15/15 · 量化实机证据＋工程实用增量

标准分类标签：主流技术2.0、可能成为新主流

路线评审说明：主流技术2.0·WAM零样本策略·AR视频-动作联合

社区证据类型：尚无独立社区验证

DreamZero 用 14B 自回归视频-动作 WAM 在 AgiBot G1 移动双臂、Franka/DROID 与 YAM 上展示作者报告的跨本体和未见任务泛化；官方代码、部分权重和 DROID 预处理数据可得，但 G1 每格仅 2 次 rollout、DROID 数据许可证和 AgiBot 训练语料未闭合，7Hz 依赖双 GB200，不能直接替换生产 VLA/WBC。

近期窗口 · 28/35
发布距评分基准日 6 个月，落入 4–6 个月窗口。
社区可复查验证 · 0/25
官方代码、DROID checkpoint 和预处理数据可得，但尚无独立团队完整复现。
跨领域技术创新 · 20/20
把视频生成、动作生成、异步 KV cache、Flash 推理和跨本体视频适配统一为 WAM 策略接口。
量化实机证据 · 10/10
作者报告 AgiBot G1、Franka 和 YAM 实体评测；G1 单格仅 2 次 rollout，不能外推长期可靠性。
开放与可复现 · 5/5
Apache-2.0 代码和部分权重/数据可核验；DROID 权重为 CC-BY-NC，预处理数据许可证和上游依赖未闭合。
工程实用增量 · 5/5
适合 G1/H2 视频-动作 adapter、数据多样性和延迟回归 challenger；需冻结传感/动作契约和双 GPU 资源预算。

社区可复查证据：尚未收录；Stars、forks 与作者演示不计社区验证。

证据缺口：缺少显式可复查社区复现/部署证据；无独立完整复现；G1 每格仅 2 次 rollout；AgiBot 500h 数据尚未开放核验；DROID 数据许可证未独立声明；7Hz 依赖双 GB200；未覆盖人形双足全身接触/WBC

当前实践分只决定今天的阅读与最小验证优先级；近期、社区验证和跨领域创新合计 80/100，不会把前沿观察条目自动升级成候选或确认里程碑。社区维度只有显式独立证据才能得高分，只有失败记录时必须标为社区反证。

每日候选人工终审

DreamZero 是当前 WAM 谱系的重要工程基线：14B 自回归视频扩散模型联合生成未来视频和动作，使用 KV cache、异步闭环、量化和 DreamZero-Flash 将动作块推理降至约150ms/7Hz。原文以 AgiBot G1 移动双臂与 Franka/DROID 做实体评测，报告人类或YAM视频10–20分钟对G1未见任务超过42%相对提升、G1到YAM仅30分钟play数据的适应实验；但论文结论仍属作者证据，G1评价每任务每机器人2次，不能替代长期安全、跨实验室或人形全身控制验证。官方仓库现有Apache-2.0代码、训练与新本体指南，两个非gated checkpoint和DROID预处理数据；DROID checkpoint为CC-BY-NC-4.0，数据卡未披露独立许可证，不能把“公开”写成无条件商用或完整AgiBot训练语料。

实机证据：author_quantified_agibot_g1_and_franka_cross_embodiment_trials_not_independently_reproduced；作者以约500小时、22环境、7.2K episode的G1遥操作数据和DROID训练；G1每任务/每机器人2次rollout。人类12分钟或YAM20分钟视频提高G1未见任务相对表现超过42%，G1到YAM用30分钟play数据；无独立复现。

硬件/本体：AgiBot G1 mobile bimanual manipulator、Franka single-arm robot、YAM robot

红旗与边界：G1实体评测每格仅2次rollout；7Hz依赖2张GB200，不是单卡边缘能力；DROID checkpoint为非商用CC-BY-NC-4.0，DROID预处理数据卡没有独立许可证；代码公开与项目页演示不等于独立真机复现或安全验证

查看资源 · paper · 状态 verified_arxiv_v1_primary_identity_and_cc_by_4 · 许可证 CC BY 4.0 manuscript
论文原文、项目页和方法/失败分析可读。
查看资源 · code · 状态 verified_open_official_repository_main · 许可证 Apache-2.0
官方仓含推理、DROID训练、新本体转换/训练指南与依赖说明；模拟评测API需申请访问。
查看资源 · weights · 状态 verified_open_non_gated_droid_checkpoint · 许可证 CC-BY-NC-4.0
DROID checkpoint公开；AgiBot checkpoint另行公开Apache-2.0，均需匹配Wan/UMT5上游制品。
查看资源 · data · 状态 verified_open_non_gated_preprocessed_droid_data_license_not_disclosed · 许可证 not disclosed; derived DROID terms apply
约131GB DROID预处理LeRobot数据可下载；仅成功episode、去idle、三相机视角，非完整DROID/AgiBot训练数据。

论文入库不等于代码、权重或数据开放；“承诺开放”“声称开放”和“已核验可下载”严格分开。

原始来源

最近核验：2026-08-25。链接存在不等于官方仓库、可运行、已开放权重/数据或许可证允许使用。

训练算力(显卡)	未披露
训练时长	未披露
部署推理硬件	未披露
显存/内存/CPU 占用	未披露
运行效率(Hz)	7Hz

论文元数据

算力与训练档案 置信 medium · 模型 glm-5.3 · 更新 2026-09-01T07:31:25Z

算力与训练档案置信 medium · 模型 glm-5.3 · 更新 2026-09-01T07:31:25Z