EasyWAM-Unified-Wan22项目详解基于Wan2.2视频DiT的统一世界动作模型检查点全览EasyWAM-Unified-Wan22是 OpenMOSS 团队开源的统一世界动作模型World-Action-Model检查点仓库它基于Wan2.2-TI2V-5B 视频生成 DiT用单条 Video DiT 主干同时表示并去噪视频 动作两类 token在 LIBERO 机器人评测中取得98.6%平均任务成功率。本文带你快速看懂这个仓库里有哪些检查点、它们能干什么、如何下载和评测。一、30 秒理解EasyWAM-Unified 是什么传统世界动作模型World Action Model通常要把视频预测和动作预测拆到不同模块里处理而EasyWAM-Unified 走的是一体化路线✅单一 Video DiT 主干视频 token 与动作 token 一起进入同一个 Transformer✅双向自注意力耦合两种模态通过同一组 self-attention 层互相看见对方信息交换是双向的✅基座来自 Wan2.2-TI2V-5B复用了阿里 Wan2.2 系列文生/图生视频模型TI2V-5B的预训练权重天然具备强大的视频先验✅配套 EasyWAM 代码库训练所有检查点均由 EasyWAM 统一框架产出。一句话概括让看视频和做动作在同一个网络里同步发生。二、仓库文件全览一共就 4 个文件这个仓库非常干净只包含模型资产与说明文档文件作用说明README.md项目说明文档模型介绍、评测结果、下载与评测命令libero_unified_wan22.pt全参数检查点EasyWAM PyTorch 格式.ptLIBERO 任务全量训练产物libero_unified_wan22_lora_128.ptLoRA 检查点rank 128、alpha 128仅存可训练部分体积更友好libero_dataset_stats.json归一化统计量推理/评测时必需包含 state 与 action 的 min/max、q01/q99、mean/std几个关键细节LoRA 检查点 ≠ 完整模型。libero_unified_wan22_lora_128.pt里只保存了 LoRA 适配器和其他可训练的 EasyWAM 模块不包含完整的 Wan2.2 主干权重。使用前必须单独下载 Wan2.2-TI2V-5B 基座并配置好路径详见 EasyWAM 官方的 Wan2.2 backbone 指南。必须用匹配的 task recipe 加载LoRA 检查点要用libero_easywam_unified_wan22_lora任务配置加载全参数版则用libero_easywam_unified_wan22。状态 token 放置方式为sequence评测时所有结果统一采用state_position: sequence协议。许可证注意EasyWAM 代码是 MIT 协议但本仓库发布的检查点采用 CC BY-NC 4.0 协议非商业使用且受基座模型及训练数据的条款约束。三、LIBERO 评测成绩单98.6% 平均成功率有多强LIBERO 是机器人操作领域常用的基准套件包含Spatial空间、Object物体、Goal目标、LIBERO-10综合四个子集。下表数据来自 README.md 全参数Full-Parameter模型SpatialObjectGoalLIBERO-10Avg.EasyWAM-Unified98.498.899.298.098.6EasyWAM-MoT97.099.296.694.096.7EasyWAM-MoT-Joint98.298.097.696.897.7EasyWAM-MoT-IDM99.099.298.897.498.6EasyWAM-Hidden99.2100.097.898.298.8可以看到Unified 架构以单一 DiT 主干的简洁设计追平了更复杂的 MoT-IDM 方案并明显超过基础 MoT1.9 个百分点。 LoRA 版Rank 128模型SpatialObjectGoalLIBERO-10Avg.EasyWAM-Unified91.298.891.866.287.0EasyWAM-MoT96.899.697.490.095.9EasyWAM-Hidden98.099.889.486.693.5客观地说LoRA 版在 LIBERO-10长程综合任务上短板较明显66.2%但 Object 子集依然高达 98.8%说明小参数适配对简单操作类任务已经够用。 LIBERO-Plus抗扰能力测试仅全参数LIBERO-Plus 专门测试模型在背景变化、相机变化、光照、噪声等干扰下的鲁棒性模型BackgroundCameraLanguageLayoutLightNoiseRobotAvg.EasyWAM-Unified72.354.893.783.497.072.083.479.0EasyWAM-MoT64.545.571.480.194.778.571.571.7EasyWAM-MoT-Joint60.947.389.780.592.468.975.973.3EasyWAM-MoT-IDM62.252.094.182.093.267.878.075.3EasyWAM-Hidden59.357.093.284.395.070.883.777.6亮点解读平均分79.0在五个对比架构中排名第一比最强的 EasyWAM-Hidden 还高出 1.4 个百分点Light光照变化子集高达 97.0几乎不受影响相对而言Camera相机位姿变化54.8和 Noise噪声72.0是当前主要失分点也是后续优化方向。四、如何下载检查点三步走第 1 步克隆仓库可选git clone https://gitcode.com/OpenMOSS/EasyWAM-Unified-Wan22第 2 步从 Hugging Face 下载模型文件hf download OpenMOSS-Team/EasyWAM-Unified-Wan22 \ libero_unified_wan22.pt \ libero_unified_wan22_lora_128.pt \ libero_dataset_stats.json \ --local-dir ./checkpoints第 3 步准备 EasyWAM 环境安装 EasyWAM 代码库并准备Wan2.2-TI2V-5B 基座权重LoRA 检查点尤其必需按照 EasyWAM 官方文档配置 Wan2.2 backbone 依赖与 LIBERO 仿真器环境将dataset_stats_path指向刚下载的 libero_dataset_stats.json。五、如何运行 LIBERO 评测在 EasyWAM 代码库根目录下执行对应检查点的评测命令全参数检查点python experiments/libero/run_libero_manager.py \ tasklibero_easywam_unified_wan22 \ ckpt./checkpoints/libero_unified_wan22.pt \ EVALUATION.dataset_stats_path./checkpoints/libero_dataset_stats.jsonLoRA 检查点python experiments/libero/run_libero_manager.py \ tasklibero_easywam_unified_wan22_lora \ ckpt./checkpoints/libero_unified_wan22_lora_128.pt \ EVALUATION.dataset_stats_path./checkpoints/libero_dataset_stats.json小贴士默认协议会对 4 个 LIBERO 子集的每个任务各跑50 次试验整体耗时较长多卡用户可加MULTIRUN.num_gpusgpu数量参数把评测任务分发到多张 GPU 上并行跑两个task参数名不要写反——这是加载 LoRA 时最容易踩的坑。六、dataset_stats.json 里存了什么libero_dataset_stats.json 是推理阶段的标尺用于把原始状态/动作数值归一化到模型熟悉的分布范围内。它以state和action两大板块组织每块都包含stepwise_min/stepwise_max逐帧统计的最小/最大值32 步、每步一个向量global_min/global_max全局最小/最大值stepwise_q01/stepwise_q99及 global 版本1% 与 99% 分位数常用于更稳健的归一化stepwise_mean/stepwise_std及 global 版本均值与标准差。从数据可以直观看到LIBERO 的state 是 8 维含末端位置、姿态与夹爪状态等action 是 7 维典型 6 自由度末端增量 1 维夹爪开合动作范围大多落在[-1, 1]附近。七、FAQ新手常见问题Q1LoRA 检查点为什么比全参数版小那么多却不能直接用ALoRA 只保存 rank 128 的低秩适配矩阵和少量可训练模块Wan2.2 主干数十亿参数需要另外下载加载时再合并。Q2我应该选全参数版还是 LoRA 版A追求最高成功率 → 全参数Avg. 98.6%显存/存储紧张、或希望在自己数据上继续微调 → LoRA 版Avg. 87.0%且体积友好。Q3这个检查点能商用吗A不能。检查点为CC BY-NC 4.0非商业协议请遵守条款EasyWAM 代码本身是 MIT 协议。Q4state_position 参数有什么讲究A本仓库所有公开结果均基于state_position: sequence协议复现复现评测时保持一致即可。八、总结EasyWAM-Unified-Wan22 的核心价值可以浓缩为三点架构简洁单 Video DiT 统一视频与动作 token双向注意力耦合避免了多模块拼接的复杂性成绩过硬LIBERO 全参数平均98.6%LIBERO-Plus 鲁棒性评测五架构第一79.0%开箱即用全参数 LoRA 双检查点配合标准 PyTorch 格式与归一化统计文件下载即可评测。如果你正在研究视频生成模型 × 机器人操作这条世界动作模型路线这个仓库是一个很好的起点——建议从全参数检查点的 LIBERO 评测跑通开始再尝试用自己的数据微调 LoRA 版本。引用格式如果你用它做了研究misc{easywam2026, title {EasyWAM: A Unified and Efficient Framework for Training and Evaluating World Action Models}, author {EasyWAM-Team}, year {2026} }创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
