MAWAM

MAWAM 基于 GR00T 2,通过跨机器人注意力联合预测各机器人的未来视角和动作块,并保留独立控制接口。作者在两台 Galaxea R1 Pro 真机及由两至四台 Panda 机械臂组成的仿真团队上验证了协作能力。

查看完整模型说明

论文与报告 (1)

MAWAM:面向协同操作的多智能体世界-动作模型

有论文

MAWAM: A Multi-Agent World-Action Model for Coordinated Manipulation

arXiv: 2611.25105DOI: 10.48550/arxiv.2611.25105
作者与单位 (13)

署名方式: 原文顺序

  1. Xianzhe Fan

    NVIDIA · The University of Hong Kong

  2. Chi-Pin Huang

    NVIDIA

  3. Fu-En Yang

    NVIDIA

  4. Jing Wang

    NVIDIA

  5. Yecheng Wu

    NVIDIA · MIT

  6. Yu-Cheng Chou

    NVIDIA

  7. Johan Bjorck

    NVIDIA

  8. Linxi “Jim” Fan

    NVIDIA

  9. Jan Kautz

    NVIDIA

首版日期
2026-11-20
论文最新修订
v1
会议 / 期刊
未提供

覆盖的模型版本

如何获取与使用

本版本训练代码待核实。公开代码资源不代表已确认包含本版本的训练实现。 查看核验说明

训练 / 微调代码

来源核验日期 · 2026-11-20

发布信息

来源核验日期 · 2026-11-20

部署前需核对

权重或代码可获取,不代表机器人可以即插即用。请按来源文档核对配置、数据与接口要求。

部署与使用资料

推理方式
同步滚动控制,执行24步预测的前8步后重新规划。Galaxea R1 Pro真机15 Hz,RoboFactory仿真20 Hz。
微调要求
先按单台机器人适配相机和控制器,再用同步演示联合训练。RoboFactory每项任务使用150组演示。

架构与输入输出

模型类型
动作策略
架构
WAM · Transformer
骨干网络
NVIDIA GR00T 2
动作生成
流匹配
输入
语言 / RGB 图像 / 机器人状态 / 视频
输出
Galaxea R1 Pro 每臂输出相对末端位置、四元数及夹爪开度,每台16维。仿真Panda每臂17维。

适用范围与训练方式

ee_pose · continuous

16 DoF · horizon 24 · relative

输出

动作 / 视频

预测输出

每台机器人24步动作块,每个专属视角8帧未来画面,每3个控制步预测1帧

机器人形态

双臂平台 / 机械臂

任务范围

多任务

训练方式

模仿学习 / 监督微调

谱系

微调自: GR00T · GR00T 2 ↗

关联机器人

评测结果

当前版本或所选权重暂无已核实的独立评测成绩。

完整参数与核验说明(模型卡)

输入含语言指令、相机历史、机器人状态、本体信息、任务角色和视角归属。仿真可用只读全局相机。模型每次为各机器人预测24步动作及各专属视角的8帧未来画面,团队同步执行前8步后重新规划。作者报告三项真机任务平均成功率67.8%(每项30次),八项RoboFactory仿真任务平均90.3%(每项100次)。表9报告27.6亿可训练参数,冻结的Cosmos-Reason1和视频VAE另计。

提交来源或更正