Zero-WAM

Zero-WAM 是一个面向开放场景机器人操作的零样本跨任务泛化方法，通过将人类演示视频作为上下文输入，构建因果性的世界-动作联合建模能力。其核心是无需微调即可基于视频或语言指令实时预测机器人未来观测状态与可执行动作，关键技术包括视频驱动的上下文学习、世界模型与动作策略的联合因果建模，以及对未见任务的即时适应机制。适用于具身智能、服务机器人等需快速响应新任务的现实部署场景，尤其适合依赖人类示范而非预编程指令的交互式操作环境。