银河通用发布WAM-TTT框架 用人类视频替代遥操数据降低机器人部署成本
用人类视频替代机器人遥操数据，WAM-TTT实现低成本、高泛化的具身智能部署新范式。
银河通用发布WAM-TTT，一个让机器人通过观看人类第一视角视频就能学会新技能的后训练框架。它无需昂贵的遥操设备和动作标注，用运动相机拍一段视频就能零成本适应新环境，泛化保留率达76%，远超硅谷同类模型。
正文摘录
 新智元报道  数亿美金投入，结果不如一台相机。 一边，是硅谷明星机器人公司 Physical Intelligence 用数亿美金算力堆出的明星大模型 π0.5；另一边，是一家中国公司加一台随手可买的运动相机。 7月15日，银河通用发布 WAM-TTT，全球首个面向具身智能大模型的测试时后训练框架。所谓测试时后训练，是指在模型部署到新环境时，利用少量数据快速更新模型权重，从而适应场景变化，而不是只靠预训练参数。 随框架一起公布的跨环境实测中，双方正式交锋，结果令人意外—— 光照一变、物体一换、背景一乱，π0.5 的平均成功率直接腰斩，而 WAM-TTT 的泛化保持率为 76%。  想象机器人进入家庭的第一天：你家的马克杯它没见过，厨房灯光偏暖，台面比它训练时高出 5 厘米。这些微小的差异，足以让一台经过千锤百炼的机器人当场卡壳。 对比更鲜明的是成本。 π0.5 的落地成本高得不可思议：要让机器人走进 1000 万个家庭，难道要派 1000 万个工程师住进去，手把手教它认马克杯？ 显然，这无法落地。 而 WAM-TTT 则不同，它可以随时适应一个新场景：只要有人戴上运动相机、或举起手机，随手拍一段自己干活的 first-person 视频，机器人看完就能直接上岗。 无需遥操设备，无需动作标注，也无需停工数天重训。