预训练WAM的人形迁移与适配

一句话判断

预训练WAM的人形迁移与适配

预训练WAM已经积累了手物交互的操作先验，但迁移到人形机器人，还要回答两个问题：操作意图如何变成不同全身控制器能执行的命令？手臂工作空间不足时，身体何时、怎样配合？

WholeBodyWAM把迁移重点放在复用已有先验、补齐控制接口与协调机制上，减少这些关系对有限人形示范的隐式学习依赖。

保留操作先验，补上人形适配结构
↳ ① SAF，分开表达、联合生成。保留预训练操作通路，新增独立全身控制命令流，与未来视觉一起进入共享DiT。操作与身体命令各有语义，同时参与联合建模。

↳ ② UWBC，先统一控制语义。用56维接口组织异构控制器命令：46维共享字段、10维专用残差槽。不同控制器按能力选择有效字段，让相似身体运动有一致的表达约定。

↳ ③ CASA，把协调需求写进注意力。手臂沿任务方向的可操作性下降时，增强身体命令对操作信息的关注。模型既获得手部操作意图，也获得何时需要身体补偿的运动学信号。

适配结构带来了什么
· 在使用相同额外后训练数据的六任务仿真对照中，WholeBodyWAM成功率91.9%，DreamZero-PT为73.6%。改成容量匹配的单一动作流后降至80.8%，是三项结构消融中损失最大的一项。

· G1八任务真机实验，每个方法、每项任务20次：分布内／分布外成功率81.3%／68.8%，DreamZero为57.5%／40.0%。

· SONIC、AMO、GEAR三个控制器分别微调后，平均成功率89.2%；跨控制器成功率方差相对Cosmos-3降低70%。

⚠️ 适配仍有成本
这些结果建立在14B基座和1.5万条全身后训练示范之上。统一接口仍需目标控制器的字段映射与微调，尚未验证同一策略直接换控制器。

真机领先混合了额外后训练与结构收益，不能全部归给架构。CASA是运动学软偏置，不保证碰撞、平衡和接触约束；16步去噪的实际部署延迟也仍需测量。

📚 ω0同样关注移动与操作的协同。WholeBodyWAM更聚焦已有WAM的人形迁移：把预训练先验、控制器语义和协调机制接起来，让已有操作能力获得全身执行通路。

❇️ 半年后回看，关键是同数据真机对照中结构收益能否保留，以及换控制器时仍需多少映射和微调成本。这两项才直接检验这条适配路径的复用价值。