AI消息速览

银河通用发布全球首个具身智能测试时后训练框架 WAM‑TTT

事件日期 2026-07-16 · 产业观察 · 已接受

返回列表 打开来源
事件日期2026-07-16
信息日期2026-07-16
入库日期2026-07-17
通道产业观察
状态已接受
来源量子位

知识卡片：银河通用发布全球首个具身智能测试时后训练框架 WAM‑TTT

一句话结论
银河通用提出 WAM‑TTT（World‑Action Model Test‑Time Training）框架，首次将测试时训练（TTT）范式从大语言模型迁移至物理世界的机器人控制，让机器人仅凭未标注的人类视频即可在部署阶段快速适应新场景，无需重新预训练或昂贵的遥操作数据。

事件概述
2026 年 7 月 16 日，银河通用正式发布全球首个面向具身智能大模型的测试时后训练框架 WAM‑TTT。该框架基于预训练的世界动作模型（WAM），通过在推理阶段引入轻量级快速权重记忆模块，使机器人能够从原始人类 RGB 视频中理解当前任务，并将场景信息写入临时记忆，再结合原有动作能力完成任务。这解决了具身智能行业长期存在的部署后泛化性衰减、跨场景适配成本高等瓶颈。

方法/产品要点

  • 核心架构：WAM‑TTT 底座是预训练的世界动作模型（WAM），内部由视频专家（理解画面）和动作专家（生成动作）组成，两者通过联合注意力通信。模型主体权重全程冻结，所有学习操作仅在一个独立的快速权重记忆模块（fast‑weight memory）中完成。
  • 两阶段训练：
    • Meta‑Training（离线元训练）：利用成对的人类与机器人演示数据，通过 Key‑Value 向量对自适应记忆，实现人类视觉线索与机器人行为的对齐（相当于教会机器人如何解读“便签”）。
    • Test‑Time（线上测试时训练）：仅提供一段未标注的人类 RGB 视频，主 WAM 锁死，仅更新轻量级记忆模块参数，完成后将学习到的操作逻辑送入相机观测画面，输出机械动作。
  • 四重突破：
    1. 大幅降低机器人轨迹数据依赖：仅用未标注人类视频即可后训练，性能逼近专用遥操作数据（数据比例消融实验中，100 条机器人轨迹+100 条人类视频的任务平均成功率 74.1%，与全机器人轨迹效果相当）。
    2. 无需人类动作标注：完全跳过手部姿态估计等步骤，采用自监督学习让模型自行理解任务。
    3. 不改模型、不重新预训练：对比 WAM‑LoRA 等参数微调方法，WAM‑TTT 在 Table Bussing 和 Swap Place 任务上成功率远高（100% vs 30%，88.9% vs 0%）。
    4. 不发生灾难性遗忘：在跨环境评测中，WAM‑TTT 性能保持率约 75.6%，而基于 In‑Context Learning 的方案仅 14.7%。

主要结果或产业意义

  • 具身智能首次实现“部署后持续学习”，开启了具身后训练时代。
  • 将后训练环节的成本从遥操作级（需上百人采集团队）压缩至手机拍摄级，直接响应工信部《2026 年度人形机器人与具身智能实景实训专项行动》对低成本规模化部署的刚需。
  • 银河通用凭借 WAM‑TTT 补全了从预训练到部署后持续学习的技术闭环，为 2028 年“机器人 ChatGPT 时刻”提供了关键基础设施。

为什么重要

  • 行业痛点突破：此前具身智能行业的核心瓶颈是“训练时精通、部署时失灵”，客户每换一个点位就需重新采集数据、重新适配模型，成本极高。WAM‑TTT 用人类视频替代昂贵的机器人遥操作数据，使规模化落地成为可能。
  • 技术范式迁移：将大模型领域“推理阶段能力增长”的思路（如 OpenAI o1、DeepSeek‑R1）首次成功迁移到物理世界，且未简单照搬 LLM 方法（如 ICL 或 LoRA），而是创造性使用快速权重记忆，解决了高维连续动作空间、实时性、交互不可逆等难题。
  • 与既有脉络的关系：本条是对银河通用 WAM 系列（如 2025 年 ICCV 首次发布 WAM、2026 年 AstraBrain WAM 进阶成果）的延续与更新，WAM‑TTT 作为“最后一块拼图”完整了从预训练到部署后持续学习的技术闭环，属于该系列的规模化部署技术模块。

局限与不确定性

  • 材料未提及 WAM‑TTT 在复杂长时段任务或高度动态环境（如多人交互）中的表现，通用性边界待核实。
  • 快速权重记忆模块的容量限制及长时间持续学习是否会引入遗忘或偏差，待进一步验证。
  • 论文中部分对比实验仅在特定任务（如 Table Bussing、Swap Place）上展示，整体任务覆盖范围待核实。

可用于图书/PPT/简报的角度

  • 机器人“现学现用”的关键技术原理（类比厨师写便签的比喻）。
  • 具身智能后训练时代的开启：对比传统预训练→部署固定，转向部署后持续学习。
  • 低成本数据策略如何推动人形机器人规模化商业落地，呼应国家政策。
  • 从 Scaling Law 到推理阶段 Scaling：WAM‑TTT 体现的 AI 范式迁移在物理世界的实现。

原始材料

  • 量子位报道：《全球首个！银河通用新框架仅需人类视频即可部署，特斯拉蚌埠住了》（2026‑07‑16）
  • arXiv 论文：https://arxiv.org/html/2607.06988v2
  • 英文标题：WAM‑TTT
  • 英文关键词：Test‑Time Training, Embodied AI, World‑Action Model