/ Модель

Характеристики

Опубликована
5 июл 2026

WSA-Large-RoboTwin

Языковая модельИзображение, текст → action3 профессии

Производная модели zaleni/WSA-Large. WSA-Large — модель управления роботами, объединяющая визуальное планирование, моделирование 3D-мира и генерацию действий для задач манипуляции.

15скачиваний за 30 дней0лайковвеса обновлены11 июл 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

Карточка модели zaleni/WSA-Large-RoboTwin на Hugging Face совпадает с карточкой zaleni/WSA-Large, поэтому описание составлено по ней.

WSA-Large — крупная модель семейства WSA1 для обобщаемого управления роботами, представленная в коллекции WSA Model Collection. Она построена на архитектуре World-Spatial-Action и совместно обучает согласованное с инструкциями визуальное планирование в 2D, моделирование трёхмерного мира с учётом действий и генерацию действий с учётом 3D. WSA-Large использует Wan2.2-TI2V-5B как базовую модель; семейство WSA предназначено для дообучения под прикладные задачи и управления роботами в симуляторах RoboTwin2.0 и LIBERO.

Модель ориентирована на задачи манипуляции, где робот должен интерпретировать визуальную сцену и инструкции, прогнозировать последствия действий и выполнять последовательности движений. В README приведены результаты оценивания WSA1-L в симуляторах: средний успех 93,14% на сложной рандомизированной настройке RoboTwin2.0 и 98,2% на наборах задач LIBERO. Эти показатели относятся к описанным экспериментам и не гарантируют аналогичного качества в иных условиях. Лицензия в предоставленных данных не указана.

Сценарии применения

  • управление роботом-манипулятором по визуальной сцене и инструкции
  • планирование действий робота с учётом трёхмерной структуры сцены
  • дообучение модели управления для новых задач манипуляции
  • оценивание и инференс в симуляторе RoboTwin2.0
  • оценивание и инференс на наборах задач LIBERO

Ограничения

Результаты в README получены в симуляторах RoboTwin2.0 и LIBERO; переносимость показателей на другие среды и реальные роботы ими не подтверждается. Лицензия в предоставленных данных не указана.

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

WSA Model Collection

WSA1: a 3D-Centric World-Spatial-Action Model for Generalizable Robot Control

Paper | Project Page | Code | Model Collection

WSA is a robot foundation model built on the 3D-centric World-Spatial-Action modeling paradigm. It jointly learns instruction-aligned 2D visual planning, action-conditioned 3D world modeling, and 3D-aware action generation. The released family contains 3B WSA-Base and 6B WSA-Large checkpoints for downstream fine-tuning, RoboTwin2.0, and LIBERO.

Released Models

ModelSizeCheckpoint typeIntended use
WSA-Base3BPretrainedInitialization for downstream fine-tuning
WSA-Base-RoboTwin3BFine-tunedRoboTwin2.0 evaluation and inference
WSA-Base-LIBERO3BFine-tunedLIBERO evaluation and inference
WSA-Large6BPretrainedInitialization for downstream fine-tuning
WSA-Large-RoboTwin6BFine-tunedRoboTwin2.0 evaluation and inference
WSA-Large-LIBERO6BFine-tunedLIBERO evaluation and inference

WSA-Base uses Qwen3-VL-2B-Instruct as its backbone. WSA-Large uses Wan2.2-TI2V-5B as its backbone.

Results

RoboTwin2.0

Average success rate on the randomized (hard) setting over 50 simulated ALOHA manipulation tasks:

ModelAverage Success (Hard)
WSA1-B92.70%
WSA1-L93.14%

LIBERO

Success rates (%) on the four LIBERO task suites:

MethodLIBERO-SpatialLIBERO-ObjectLIBERO-GoalLIBERO-10Average
WSA1-B98.699.697.294.297.4
WSA1-L99.499.898.095.698.2

Refer to the paper and project page for the complete experimental setup, baseline details, and real-world results.

Citation

If you use WSA in your research, please cite:

@misc{jiang2026wsa1,
  title         = {WSA$_1$: a 3D-Centric World-Spatial-Action Model for Generalizable Robot Control},
  author        = {Jiahao Jiang and Jianing Zhang and Zhenhan Yin and Ruidong Chen and Sen Wang and Zhaoshu Yu and Pengpeng Zeng and Xiaofeng Cao and Xuanhan Wang and Jingkuan Song and Heng Tao Shen},
  year          = {2026},
  eprint        = {2607.03941},
  archivePrefix = {arXiv},
  primaryClass  = {cs.RO},
  url           = {https://arxiv.org/abs/2607.03941}
}

Acknowledgments

WSA builds on the open-source efforts of LeRobot, Qwen3-VL, Wan2.2, Cosmos Tokenizer, Depth Anything 3, RoboTwin, LIBERO, InternVLA-A1, and Fast-WAM. Please also follow the licenses and citation requirements of the corresponding projects.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
57643dd

0 моделей