/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
pytorch
Опубликована
30 июл 2026

DynamicWAM

Языковая модельИзображение, текст → action

DynamicWAM — модель управления роботизированными манипуляциями, предсказывающая действия по истории оптического потока и дескрипторам движения.

0скачиваний за 30 дней0лайковвеса обновлены1 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

DynamicWAM — набор официальных контрольных точек для управления роботизированными манипуляциями в задачах DOMINO; разработчик — KhalilGao. Модель использует историю Flow RGB и, в полной версии, дескрипторы абсолютного движения, чтобы предсказывать действия робота. Также опубликован вариант без ветви числовых дескрипторов движения, который по-прежнему использует оптический поток.

Для уровня DOMINO Level 1 автор приводит результаты оценки на 35 задачах и 100 эпизодах на задачу: полная версия достигла успеха в 1 337 из 3 500 эпизодов (38,20%), вариант без дескрипторов движения — в 953 (27,23%). Эти результаты архивные и не являются новым запуском бенчмарка. Контрольные точки представлены в формате PyTorch; размер каждой — около 2 млрд байт. Лицензия — Apache-2.0.

Для запуска требуются отдельные Wan2.2-TI2V-5B, токенизатор и VAE, среда DOMINO, CuRobo и ресурсы симулятора; они не входят в репозиторий. README не уточняет требования к оборудованию и реальные условия переноса управления из симуляции на робота.

Сценарии применения

  • управление манипулятором в задачах DOMINO
  • предсказание действий робота по последовательности Flow RGB
  • оценка политики управления на бенчмарке DOMINO Level 1

Ограничения

Результаты приведены только для DOMINO Level 1 и обозначены как архивные; они не гарантируют качество в других средах. Для использования нужны отдельные Wan2.2-TI2V-5B, DOMINO, CuRobo и ресурсы симулятора.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DynamicWAM

Official DynamicWAM checkpoints for DOMINO manipulation. This repository is organized by paper-facing model variant; each checkpoint is paired with its action-normalization statistics and immutable configuration snapshots.

Released variants

Paper nameCheckpointMotion conditioningDOMINO Level 1
DynamicWAM (w/o motion)checkpoints/dynamicwam_wo_motion/model.ptFour history Flow-RGB intervals; no explicit absolute-motion descriptor tokens953/3,500, SR 27.23%, MS 41.6244
DynamicWAMcheckpoints/dynamicwam/model.ptHistory Flow RGB + exact-time absolute-motion descriptors1,337/3,500, SR 38.20%, MS 53.16

“w/o motion” refers specifically to removing the explicit numeric absolute-motion/kinematic descriptor branch. It does not mean that optical flow is removed: the variant still consumes history Flow RGB.

The reported numbers are the archived 35-task × 100-episode DOMINO Level 1 system results. They are not a newly rerun benchmark and should not be interpreted as a matched one-variable causal estimate beyond the named model variants.

Repository layout

checkpoints/
├── dynamicwam_wo_motion/
│   ├── model.pt
│   └── action_stats.json
└── dynamicwam/
    ├── model.pt
    └── action_stats.json
configs/
├── dynamicwam_wo_motion/
│   ├── stage1_video.yaml
│   ├── stage2_action.yaml
│   ├── stage3_joint.yaml
│   └── deploy.yaml
└── dynamicwam/
    └── absolute_motion_v2.yaml
MODEL_MANIFEST.json
SHA256SUMS

The dynamicwam_wo_motion YAML files are exact historical configuration snapshots and therefore retain their original cluster paths. Remap those paths to your local checkout and downloaded assets before training or evaluation.

Download

hf download KhalilGao/DynamicWAM \
  --include "checkpoints/dynamicwam_wo_motion/*" \
  --include "configs/dynamicwam_wo_motion/*" \
  --local-dir external/DynamicWAM

The matching packed training corpus is published at KhalilGao/DynamicWAM-data under dynamicwam_wo_motion/.

Checkpoint identity

VariantGlobal stepSize (bytes)SHA-256
DynamicWAM (w/o motion)40,0001,976,638,827fa88a1f33f2205db5a4534e09bb02d1bee9dea7b2049299ac68932a34de82f03
DynamicWAM40,0001,977,857,9397c0dfc44a785ea1f6bd1f833f09dcadc2e470dadb1ba5508fa98918e147671d7

Both are native PyTorch checkpoint dictionaries. As with any pickle-backed PyTorch artifact, load them only from a trusted revision and verify the hashes in SHA256SUMS first.

External assets

The checkpoints do not bundle Wan2.2-TI2V-5B, its tokenizer/VAE, the DOMINO runtime, CuRobo, or simulator assets. See the DynamicWAM source repository for environment and evaluation setup.

License

Project-owned release material is provided under Apache-2.0. Upstream assets retain their own licenses; this repository does not relicense or redistribute the external runtime dependencies listed above.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
cfb46f9

0 моделей