로봇
SO-101
FastWAM base소프트웨어 통합
FastWAM 공식 문서는 SO-101 실물 통합 절차를 제공합니다.
호환되는 SO-101 follower 구성과 학습된 FastWAM 실물 체크포인트가 필요합니다.
Fast-WAM은 칭화대학교 IIIS와 Galaxea AI가 공동 개발한 월드 액션 모델입니다. 학습 시 비디오 예측과 행동 학습을 결합하고 추론 시 미래 비디오 생성을 생략해 행동을 출력합니다. 논문은 시뮬레이션과 실제 로봇 작업에서 이를 평가합니다.
FastWAM 월드·액션 정책의 연구, 평가 및 로봇별 학습에 사용합니다.
공개 현황
- 코드
- 공개 접근
- 모델 파일
- 공개 접근
모델 파일
| 파일 | 접근 방법 | 가중치 라이선스 |
|---|---|---|
| lerobot/fastwam_base | 접근 방법 |
시작하기
- 실행 환경 및 프레임워크
- LeRobot / PyTorchNVIDIA GPU · bfloat16
- 미세 조정 요구 사항
- LeRobot 구현: 연결된 정책별 설치·학습 지침을 따르세요. 모든 원본 체크포인트와의 호환성을 뜻하지 않습니다.
사양 요약
- 모델 유형
- 로봇 정책 / 월드-액션 모델
- 백본
- 플로 매칭 동작 전문가를 갖춘 Wan 비디오 전문가
- 가중치 매개변수 수
- 6.0207 B
- 입력
- 언어 지시 / RGB 카메라 이미지 / 로봇 상태 / 고유수용감각
- 출력
- 연속 로봇 동작 청크, 미래 비디오는 학습 신호로 사용
- 출시일
- 2026년 3월 18일
관련 로봇
기술 세부 정보
연속 로봇 동작 청크; 미래 비디오는 학습 신호입니다.
언어
영어
기능 분류
동작 및 제어 / 세계 예측 및 시뮬레이션
파이프라인 작업
로보틱스
월드 모델 사용 단계
미래 예측은 학습 신호로 사용되며 배포 정책은 미래 영상 롤아웃을 요구하지 않습니다.
자료
모델 카드
Fast-WAM은 칭화대학교 IIIS와 Galaxea AI가 공동 개발한 월드 액션 모델입니다. 학습 시 비디오 예측과 행동 학습을 결합하고 추론 시 미래 비디오 생성을 생략해 행동을 출력합니다. 논문은 시뮬레이션과 실제 로봇 작업에서 이를 평가합니다. [Fast-WAM: Do World Action Models Need Test-time Future Imagination?](https://arxiv.org/abs/2603.16666) 저자: Tianyuan Yuan, Zibin Dong, Yicheng Liu, Hang Zhao 소속: IIIS, Tsinghua University; Galaxea AI 논문 v1 제출일: 2026-03-17. 논문 v2 수정일: 2026-03-23. PDF에 교신저자가 지정되어 있지 않습니다. Hang Zhao의 개인 페이지는 MARS Lab 책임자임을 확인합니다. 논문 소속은 IIIS와 Galaxea AI이며 연구실은 별도로 표기하지 않습니다. [Hang Zhao](https://hangzhaomit.github.io/)
사용 전 확인 사항: 작업과 로봇 형태에 특화된 데이터, 구성 및 검증이 필요합니다. 공개된 예시와 시뮬레이션 결과는 실제 로봇에서의 안전한 작동을 보장하지 않습니다. 가중치나 코드가 공개되어도 로봇에서 즉시 실행할 수 있다는 의미는 아닙니다. 문서에서 구성, 데이터 및 인터페이스 요구 사항을 확인하세요.
출처 또는 수정 제안 보내기
