# 预训练WAM的人形迁移与适配

预训练WAM的人形迁移与适配

完整文章：https://haiguangboy.com/posts/wholebodywam

## 核心方法

保留操作先验，补上人形适配结构
↳ ① SAF，分开表达、联合生成。保留预训练操作通路，新增独立全身控制命令流，与未来视觉一起进入共享DiT。操作与身体命令各有语义，同时参与联合建模。

↳ ② UWBC，先统一控制语义。用56维接口组织异构控制器命令：46维共享字段、10维专用残差槽。不同控制器按能力选择有效字段，让相似身体运动有一致的表达约定。

↳ ③ CASA，把协调需求写进注意力。手臂沿任务方向的可操作性下降时，增强身体命令对操作信息的关注。模型既获得手部操作意图，也获得何时需要身体补偿的运动学信号。

## 关键结果

适配结构带来了什么
· 在使用相同额外后训练数据的六任务仿真对照中，WholeBodyWAM成功率91.9%，DreamZero-PT为73.6%。改成容量匹配的单一动作流后降至80.8%，是三项结构消融中损失最大的一项。

· G1八任务真机实验，每个方法、每项任务20次：分布内／分布外成功率81.3%／68.8%，DreamZero为57.5%／40.0%。

· SONIC、AMO、GEAR三个控制器分别微调后，平均成功率89.2%；跨控制器成功率方差相对Cosmos-3降低70%。

## 相关路线对比

- 相反路线 · [世界模型：推理时到底要不要想象](https://haiguangboy.com/posts/omega-eva) `omega_eva_envision_verify_and_act_with_latent_interactive_world_models_2026_08`：现有消融未隔离世界模型预测目标本身的收益 contradicts 拆解消融:去掉想象未来分支掉1.4分且低于未精化基线,去掉提案分支掉2.6分
- 相反路线 · [首个人到机器人零样本迁移规模定律](https://haiguangboy.com/posts/dyna-2-scaling-law) `dyna_blog_dyna_2_20260811_2026_08`：现有消融未隔离世界模型预测目标本身的收益 contradicts 路线赌注:让跨具身迁移涌现的因是世界建模(预测未来视频)本身,不只是数据量——WAM架构优于纯VLA
- 同路线 · [Gemini_Robotics_2_Safety](https://haiguangboy.com/posts/gemini_robotics_2_safety) `gemini_robotics_2_safety_2026_07`：CASA 提供运动学引导，尚不构成可执行性保证 validates 实测发现:模型「懂约束」和「按约束行动」之间存在明显落差
- 同路线 · [JEPA-WAM：创新方法让世界模型更懂状态变化](https://haiguangboy.com/posts/jepa-wam) `jepa_wam_learning_vision_language_action_policies_with_joint_embedding_world_modeling_2026_08`：真机领先包含后训练差异，不能全算成结构收益 validates 五组消融:联合目标 79.2 对未来单独目标 77.3,保空间结构对 iREPA 卷积 74.7
- 同路线 · [LAWM：为什么动作标签会成为负担](https://haiguangboy.com/posts/latent_action_pretraining_through_world_modeling) `latent_action_pretraining_through_world_modeling_2026_07`：LAWM：为什么动作标签会成为负担
- 同路线 · [N0-Foundation:开启触觉新时代](https://haiguangboy.com/posts/mathcaln_0_foundation_towards_the_age_of_tactile_intelligence) `mathcaln_0_foundation_towards_the_age_of_tactile_intelligence_2026_09`：N0-Foundation:开启触觉新时代

## 边界

⚠️ 适配仍有成本
这些结果建立在14B基座和1.5万条全身后训练示范之上。统一接口仍需目标控制器的字段映射与微调，尚未验证同一策略直接换控制器。

真机领先混合了额外后训练与结构收益，不能全部归给架构。CASA是运动学软偏置，不保证碰撞、平衡和接触约束；16步去噪的实际部署延迟也仍需测量。

## 作者判断(非论文内容,跨论文综合观点)

📚 ω0同样关注移动与操作的协同。WholeBodyWAM更聚焦已有WAM的人形迁移：把预训练先验、控制器语义和协调机制接起来，让已有操作能力获得全身执行通路。

❇️ 半年后回看，关键是同数据真机对照中结构收益能否保留，以及换控制器时仍需多少映射和微调成本。这两项才直接检验这条适配路径的复用价值。