/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
openwam
Опубликована
4 сен 2026

robotwin_dual_system_joint_self_attention

Языковая модельИзображение, текст → action3 профессии

Исследовательский чекпойнт OpenWAM-Study для RoboTwin 2.0, совместно моделирующий видео и действия для робототехнических экспериментов.

105скачиваний за 30 дней0лайковвеса обновлены9 сен 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

robotwindualsystemjointselfattention — исследовательский чекпойнт OpenWAM-Study для RoboTwin 2.0, используемый как общий базовый вариант в контролируемых сравнениях архитектуры и компонентов. В модели объединяются потоки видео и действий: на заданных мостовых слоях их скрытые состояния образуют общую последовательность и взаимодействуют через совместное внимание, после чего возвращаются в отдельные потоки. Видеобэкбон — Wan2.2-TI2V-5B с родным энкодером Wan-VAE; маска внимания настроена так, что поток действий видит видео.

Модель предназначена для робототехнических сценариев, где совместно используются видео и последовательности действий. Чекпойнт служит точкой сравнения для экспериментов с архитектурой, видеобэкбоном, визуальным энкодером и маской взаимодействия. Опубликован в формате safetensors под лицензией Apache-2.0. В карточке не описаны конкретные роботы, наборы задач или численные результаты.

Сценарии применения

  • сравнение вариантов архитектуры модели для робототехники
  • моделирование взаимодействия видеопотока и последовательности действий
  • исследования управления роботом на задачах RoboTwin 2.0

Ограничения

Чекпойнт описан как исследовательский вариант для контролируемых сравнений; README не приводит численных оценок качества или сведений о применимости вне RoboTwin 2.0.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

robotwin_dual_system_joint_self_attention

An OpenWAM-Study checkpoint on RoboTwin 2.0, and the common reference the controlled comparisons vary against — so the same checkpoint takes part in several of them.

Its configuration is Dual-System / Joint Self-Attention — the hidden states of the video and action streams merge into a joint sequence at designated bridge layers, allowing bidirectional token-level interaction before the states return to their own streams — with a Wan2.2-TI2V-5B video backbone, its native Wan-VAE encoder, and the action-sees-video attention mask.

The same checkpoint therefore serves as the reference point in four comparisons at once: architecture (Q1), video backbone (Q2), visual encoder (Q3) and interaction mask (Q4). Every other robotwin_* checkpoint changes exactly one of these axes relative to it. Note that OpenWAM-α keeps this architecture but adopts the mutual mask instead.

Citation

@article{wang2026openwam,
  title   = {OpenWAM: An Open, Modular Exploration Towards Systematic World-Action Model Pretraining},
  author  = {Yuran Wang and Siqiao Huang and Mingleyang Li and Chenhao Zhang and Jiaqi Liang and Weiyang Jin and Yue Chen and Xuemin Chi and Donghao Zhou and Qize Yu and Yu-Kai Wang and Yuhan Rui and Shenzhe Yao and Zhen Yuan and Zhenhao Shen and Kefei Zhu and Zijie Zhu and Ning Gao and Xiaowei Chi and Guanqi He and Shanghang Zhang and Hao Dong and Lin Shao and Hang Zhao},
  year    = {2026},
  journal = {arXiv preprint arXiv: 2609.07398}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · openwam

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
0ee06fb

0 моделей