tau-0-wm

tau-0-wm 是一个面向机器人操作的视频-动作统一世界模型，旨在通过联合建模视觉观测与机械臂动作序列，实现端到端的具身决策。其核心功能包括：基于视频输入预测双臂末端执行器的绝对位姿（含位置、四元数旋转及夹爪开合）；支持相对姿态预训练与自动四元数/6D旋转转换；提供可部署的推理服务接口。技术特点涵盖多模态时序建模、轻量级仿真对齐设计，以及与Wan2.2-TI2V等扩散模型的协同集成。适用于实验室环境下的双臂机器人抓取、装配等闭环操作任务，尤其适合需结合视觉理解与精确空间控制的研究型部署场景。