EasyWAM-Unified-Wan22项目详解：基于Wan2.2视频DiT的统一世界动作模型检查点全览

🤖EasyWAM-Unified-Wan22是 OpenMOSS 团队开源的统一世界动作模型（World-Action-Model）检查点仓库：它基于Wan2.2-TI2V-5B 视频生成 DiT，用单条 Video DiT 主干同时表示并去噪"视频 + 动作"两类 token，在 LIBERO 机器人评测中取得98.6%平均任务成功率。本文带你快速看懂这个仓库里有哪些检查点、它们能干什么、如何下载和评测。

一、30 秒理解：EasyWAM-Unified 是什么？

传统"世界动作模型"（World Action Model）通常要把"视频预测"和"动作预测"拆到不同模块里处理；而EasyWAM-Unified 走的是"一体化"路线：

• ✅单一 Video DiT 主干：视频 token 与动作 token 一起进入同一个 Transformer；
• ✅双向自注意力耦合：两种模态通过同一组 self-attention 层互相"看见"对方，信息交换是双向的；
• ✅基座来自 Wan2.2-TI2V-5B：复用了阿里 Wan2.2 系列文生/图生视频模型（TI2V-5B）的预训练权重，天然具备强大的视频先验；
• ✅配套 EasyWAM 代码库训练：所有检查点均由 EasyWAM 统一框架产出。

一句话概括：让"看视频"和"做动作"在同一个网络里同步发生。

二、仓库文件全览：一共就 4 个文件

这个仓库非常干净，只包含模型资产与说明文档：

几个关键细节：

1. LoRA 检查点 ≠ 完整模型。libero_unified_wan22_lora_128.pt里只保存了 LoRA 适配器和其他可训练的 EasyWAM 模块，不包含完整的 Wan2.2 主干权重。使用前必须单独下载 Wan2.2-TI2V-5B 基座并配置好路径（详见 EasyWAM 官方的 Wan2.2 backbone 指南）。
2. 必须用匹配的 task recipe 加载：LoRA 检查点要用libero_easywam_unified_wan22_lora任务配置加载，全参数版则用libero_easywam_unified_wan22。
3. 状态 token 放置方式为sequence：评测时所有结果统一采用state_position: sequence协议。
4. 许可证注意：EasyWAM 代码是 MIT 协议，但本仓库发布的检查点采用 CC BY-NC 4.0 协议（非商业使用），且受基座模型及训练数据的条款约束。

三、LIBERO 评测成绩单：98.6% 平均成功率有多强？

LIBERO 是机器人操作领域常用的基准套件，包含Spatial（空间）、Object（物体）、Goal（目标）、LIBERO-10（综合）四个子集。下表数据来自 README.md：

🏆 全参数（Full-Parameter）

可以看到，Unified 架构以"单一 DiT 主干"的简洁设计，追平了更复杂的 MoT-IDM 方案，并明显超过基础 MoT（+1.9 个百分点）。

🪶 LoRA 版（Rank 128）

客观地说：LoRA 版在 LIBERO-10（长程综合任务）上短板较明显（66.2%），但 Object 子集依然高达 98.8%，说明小参数适配对简单操作类任务已经够用。

🌍 LIBERO-Plus：抗扰能力测试（仅全参数）

LIBERO-Plus 专门测试模型在背景变化、相机变化、光照、噪声等干扰下的鲁棒性：

亮点解读：

• 平均分79.0，在五个对比架构中排名第一，比最强的 EasyWAM-Hidden 还高出 1.4 个百分点；
• Light（光照变化）子集高达 97.0，几乎不受影响；
• 相对而言Camera（相机位姿变化，54.8）和 Noise（噪声，72.0）是当前主要失分点，也是后续优化方向。

四、如何下载检查点？三步走

第 1 步：克隆仓库（可选）

git clone https://gitcode.com/OpenMOSS/EasyWAM-Unified-Wan22

第 2 步：从 Hugging Face 下载模型文件

hf download OpenMOSS-Team/EasyWAM-Unified-Wan22 \ libero_unified_wan22.pt \ libero_unified_wan22_lora_128.pt \ libero_dataset_stats.json \ --local-dir ./checkpoints

第 3 步：准备 EasyWAM 环境

1. 安装 EasyWAM 代码库并准备Wan2.2-TI2V-5B 基座权重（LoRA 检查点尤其必需）；
2. 按照 EasyWAM 官方文档配置 Wan2.2 backbone 依赖与 LIBERO 仿真器环境；
3. 将dataset_stats_path指向刚下载的 libero_dataset_stats.json。

五、如何运行 LIBERO 评测？

在 EasyWAM 代码库根目录下，执行对应检查点的评测命令：

全参数检查点：

python experiments/libero/run_libero_manager.py \ task=libero_easywam_unified_wan22 \ ckpt=./checkpoints/libero_unified_wan22.pt \ EVALUATION.dataset_stats_path=./checkpoints/libero_dataset_stats.json

LoRA 检查点：

python experiments/libero/run_libero_manager.py \ task=libero_easywam_unified_wan22_lora \ ckpt=./checkpoints/libero_unified_wan22_lora_128.pt \ EVALUATION.dataset_stats_path=./checkpoints/libero_dataset_stats.json

💡小贴士：

• 默认协议会对 4 个 LIBERO 子集的每个任务各跑50 次试验，整体耗时较长；
• 多卡用户可加MULTIRUN.num_gpus=<gpu数量>参数，把评测任务分发到多张 GPU 上并行跑；
• 两个task=参数名不要写反——这是加载 LoRA 时最容易踩的坑。

六、dataset_stats.json 里存了什么？

libero_dataset_stats.json 是推理阶段的"标尺"，用于把原始状态/动作数值归一化到模型熟悉的分布范围内。它以state和action两大板块组织，每块都包含：

• stepwise_min/stepwise_max：逐帧统计的最小/最大值（32 步、每步一个向量）；
• global_min/global_max：全局最小/最大值；
• stepwise_q01/stepwise_q99（及 global 版本）：1% 与 99% 分位数，常用于更稳健的归一化；
• stepwise_mean/stepwise_std（及 global 版本）：均值与标准差。

从数据可以直观看到：LIBERO 的state 是 8 维（含末端位置、姿态与夹爪状态等），action 是 7 维（典型 6 自由度末端增量 + 1 维夹爪开合），动作范围大多落在[-1, 1]附近。

七、FAQ：新手常见问题

Q1：LoRA 检查点为什么比全参数版小那么多，却不能直接用？A：LoRA 只保存 rank 128 的低秩适配矩阵和少量可训练模块，Wan2.2 主干（数十亿参数）需要另外下载，加载时再合并。

Q2：我应该选全参数版还是 LoRA 版？A：追求最高成功率 → 全参数（Avg. 98.6%）；显存/存储紧张、或希望在自己数据上继续微调 → LoRA 版（Avg. 87.0%，且体积友好）。

Q3：这个检查点能商用吗？A：不能。检查点为CC BY-NC 4.0（非商业）协议，请遵守条款；EasyWAM 代码本身是 MIT 协议。

Q4：state_position 参数有什么讲究？A：本仓库所有公开结果均基于state_position: sequence协议复现，复现评测时保持一致即可。

八、总结

📌EasyWAM-Unified-Wan22 的核心价值可以浓缩为三点：

1. 架构简洁：单 Video DiT 统一视频与动作 token，双向注意力耦合，避免了多模块拼接的复杂性；
2. 成绩过硬：LIBERO 全参数平均98.6%，LIBERO-Plus 鲁棒性评测五架构第一（79.0%）；
3. 开箱即用：全参数 + LoRA 双检查点，配合标准 PyTorch 格式与归一化统计文件，下载即可评测。

如果你正在研究"视频生成模型 × 机器人操作"这条世界动作模型路线，这个仓库是一个很好的起点——建议从全参数检查点的 LIBERO 评测跑通开始，再尝试用自己的数据微调 LoRA 版本。

引用格式（如果你用它做了研究）：

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