SWAM is a world action model from five collaborating institutions. It connects video and action streams through masked attention to jointly predict video and robot actions conditioned on language. The release provides pretrained and RoboTwin 2.0 Clean post-trained weights and their corresponding DMuon training configurations.

Grundinformationen

Modelltyp
Aktionspolicy
Architektur
WAM
Aktionsgenerierung
Flow Matching
Erfasste Versionen
SWAM

Publikationen (1)

SWAM: Scaling World Action Models with Cross-Modal Alignment

Fachartikel verfügbar

arXiv: 2611.12870DOI: 10.48550/arxiv.2611.12870
Autoren und Einrichtungen (11)

Autorenreihenfolge: Originalreihenfolge

  1. Yu Zhou

    Shanghai Jiao Tong University · Shanghai Innovation Institute · Noematrix Ltd.

  2. Xinyuan Xia

    Shanghai Jiao Tong University · Shanghai Innovation Institute · Noematrix Ltd.

  3. Xuankun Yang

    Shanghai Jiao Tong University · Noematrix Ltd.

  4. Yinghao Yang

    Westlake University · Shanghai Innovation Institute · Noematrix Ltd.

  5. Wendi Chen

    Shanghai Jiao Tong University · Shanghai Innovation Institute · Noematrix Ltd.

  6. Bowen Liu

    Shanghai Jiao Tong University · Shanghai Innovation Institute · Noematrix Ltd.

  7. Jianhan Ma

    Noematrix Ltd.

  8. Weicheng Duan

    Tongji University · Noematrix Ltd.

  9. Jun Lv

    Noematrix Ltd.

Erstveröffentlichung
2026-11-10
Neueste Revision
v2 · 2026-11-11
Konferenz / Zeitschrift
Nicht angegeben

Abgedeckte Modellversionen

Offizielle Quellen

Quelle oder Korrektur einreichen