• 人工智能
• 具身智能
• 机器人

EasyWAM-MoT-IDM-Cosmos25 是一套基于 NVIDIA Cosmos-Predict2.5-2B 世界模型构建的机器人操作策略（世界动作模型）检查点，在 LIBERO 基准上取得了平均 99.3% 的任务成功率，是同类架构中的最优表现。本文将用通俗语言带你彻底搞懂：什么是"世界动作模型"、IDM 架构为什么更强、以及如何下载检查点并运行评测。

🎯 一句话说清楚：它是做什么的？

简单来说：它教机器人"先想象画面会怎样变化，再决定手该往哪动"——这就是世界动作模型（World Action Model, WAM）的核心思想。

🧠 前置概念：什么是"世界动作模型"？

世界模型（World Model）

世界模型是一种"在脑海中模拟世界"的神经网络，典型形态是视频生成模型：给定当前画面，预测接下来几帧视频。NVIDIA 的Cosmos系列正是这类物理世界基础模型，而本仓库使用的骨干是Cosmos-Predict2.5-2B（约 20 亿参数）。

从"会想象"到"会动手"

普通视频模型只预测画面，而世界动作模型在此基础上多了一个关键能力：预测机器人动作。EasyWAM-MoT-IDM 的架构要点有三：

• 双 DiT 联合设计（Joint Dual-DiT）：两条扩散 Transformer 分支协同工作，一支负责视频预测，一支负责动作预测，共享世界理解能力；
• IDM（逆动力学模型）分支：新增一条"教师强制的条件视频分支"（teacher-forced conditional-video branch），让动作预测以条件化视频为参照，使"想画面"与"出动作"更紧密地绑定在一起——这正是MoT-IDM名称的由来；
• 状态 Token 布局：采用sequence方式放置机器人本体状态（关节/末端状态），与视觉信息序列化处理。

💡 对新手的一句话总结：视频分支负责"想象"，动作分支负责"执行"，IDM 分支把两者用条件视频缝合起来，所以它比 Unified、MoT、Hidden 等兄弟架构更准。

📊 LIBERO 基准成绩：到底有多强？

LIBERO 是目前评估机器人操作策略最常用的基准之一，覆盖空间推理、物体操作、目标理解等多种任务。在 EasyWAM 官方评测协议下（所有结果使用state_position: sequence，数值越高越好）：

主基准：LIBERO 四套件成功率（%）

平均 99.3%，且四项全部位居第一——在"换背景、换相机、换光照"等扰动场景下同样稳健（见下表的 LIBERO-Plus）。

鲁棒性：LIBERO-Plus 扰动测试（%）

LIBERO-Plus 会对背景、相机位姿、光照、传感器噪声等 8 个维度逐一施加扰动，检验策略的"抗造"能力：

可以看到：在机器人本体扰动、语言指令、任务布局等维度上，MoT-IDM 均表现领先，平均鲁棒性 78.4% 位列第一。📈

📁 仓库文件详解

本仓库是一个纯检查点发布仓库，文件非常精简，各司其职：

📌小提示：libero_dataset_stats.json不是可有可无的附属文件——模型推理时需要它把机器人状态和动作缩放到统一数值范围，缺了它评测脚本无法运行。

🚀 快速上手：下载检查点并运行评测

完整流程分三步，按 README.md 的指引进行：

第 1 步：准备运行环境

1. 安装EasyWAM代码库（本检查点的训练与评测框架）；
2. 按 EasyWAM 官方文档中的 Cosmos-Predict2.5-2B 骨干指南，配置 NVIDIA Cosmos 依赖；
3. 按 LIBERO 评测指南搭建仿真环境。

第 2 步：下载检查点文件

hf download OpenMOSS-Team/EasyWAM-MoT-IDM-Cosmos25 \ libero_mot_idm_cosmos25.pt \ libero_dataset_stats.json \ --local-dir ./checkpoints

执行后会得到两个文件：./checkpoints/libero_mot_idm_cosmos25.pt与./checkpoints/libero_dataset_stats.json。

第 3 步：运行 LIBERO 评测

python experiments/libero/run_libero_manager.py \ task=libero_easywam_mot_idm_cosmos25 \ ckpt=./checkpoints/libero_mot_idm_cosmos25.pt \ EVALUATION.dataset_stats_path=./checkpoints/libero_dataset_stats.json

默认协议会对LIBERO 全部四个套件、每个任务各跑 50 次试验；如果有多张 GPU，可以追加MULTIRUN.num_gpus=<gpu-count>参数把评测任务分布到多卡上并行加速。⏱️

⚖️ 许可与引用

• 代码：EasyWAM 代码库采用 MIT License，可自由使用；
• 检查点：本仓库发布的检查点采用CC BY-NC 4.0许可，且受其基础模型（Cosmos）与训练数据条款约束，商用前请务必确认授权范围；
• 引用：如果在研究中使用了该项目，请引用：

@misc{easywam2026, title = {EasyWAM: A Unified and Efficient Framework for Training and Evaluating World Action Models}, author = {EasyWAM-Team}, year = {2026} }

✅ 总结：为什么值得了解 EasyWAM-MoT-IDM-Cosmos25？

• 🧩架构创新：在 EasyWAM 双 DiT 联合设计上加入教师强制条件视频 IDM 分支，让"想象未来"与"输出动作"深度融合；
• 🏆成绩过硬：LIBERO 平均成功率 99.3%、鲁棒性测试 78.4%，均为同骨干（Cosmos-Predict2.5-2B）模型最佳；
• 📦开箱即用：仓库直接提供全参数检查点与归一化统计，按文档三步即可完成评测；
• 🔭方向价值：它是"世界模型赋能机器人操作"这一前沿路线的高性价比参考实现，适合研究者与机器人新手快速复现与对比。

如果你想进一步研究世界动作模型，建议从 README.md 出发，对照各架构的成绩表（README.md）理解 IDM 分支带来的提升，再动手跑一次完整评测。

• 人工智能
• 具身智能
• 机器人