EasyWAM-Hidden-Wan22快速上手3步完成LIBERO检查点下载跑通第一次机器人策略评估EasyWAM-Hidden-Wan22 是面向机器人操作任务的世界动作模型World Action Model策略检查点构建于 Wan2.2-TI2V-5B 视频生成骨干网络之上在 LIBERO 基准上取得了 SOTA 级别的平均成功率98.8%。本仓库提供全参数与 LoRA 两个版本检查点及数据归一化统计文件。下面带你用3 步完成 LIBERO 检查点下载并跑通第一次机器人策略评估。仓库里有什么3 个核心文件速览整个仓库非常轻量只包含评估所需的 3 个文件文件说明libero_hidden_wan22.ptLIBERO全参数检查点包含完整的 EasyWAM 可训练模块libero_hidden_wan22_lora_128.ptLIBEROLoRA检查点rank 128, alpha 128体积更小libero_dataset_stats.jsonLIBERO 数据集归一化统计state / action 的 min、max、mean、std 等⚠️重要提示LoRA 检查点不包含完整的 Wan2.2 骨干网络权重。加载或评估它之前必须先下载 Wan2.2-TI2V-5B 骨干权重并配置好路径详见 EasyWAM 官方的 Wan2.2 骨干网络指南。第一步一条命令下载 LIBERO 检查点只需安装 Hugging Face CLIpip install -U huggingface_hub[cli]然后执行hf download OpenMOSS-Team/EasyWAM-Hidden-Wan22 \ libero_hidden_wan22.pt \ libero_hidden_wan22_lora_128.pt \ libero_dataset_stats.json \ --local-dir ./checkpoints执行完成后./checkpoints目录下的文件结构与本仓库一致。如果磁盘空间有限也可以只下载其中需要的检查点例如只保留全参数的libero_hidden_wan22.pt。第二步准备 EasyWAM 评估环境检查点本身不能独立运行需要 EasyWAM 框架提供推理与评测能力。按顺序完成三件事安装 EasyWAM 框架按照 EasyWAM 项目说明安装代码库与依赖配置 Wan2.2 骨干权重下载 Wan2.2-TI2V-5B 权重并按官方指南将其路径写入配置LoRA 检查点尤其依赖这一步搭建 LIBERO 仿真器按官方 LIBERO 评测指南安装仿真环境。三步都完成后你的机器就具备了运行机器人策略评估的全部条件。第三步跑通第一次 LIBERO 策略评估 在 EasyWAM 代码根目录下执行评估命令。全参数检查点python experiments/libero/run_libero_manager.py \ tasklibero_easywam_hidden_wan22 \ ckpt./checkpoints/libero_hidden_wan22.pt \ EVALUATION.dataset_stats_path./checkpoints/libero_dataset_stats.jsonLoRA 检查点注意task换成对应的_lora任务配方python experiments/libero/run_libero_manager.py \ tasklibero_easywam_hidden_wan22_lora \ ckpt./checkpoints/libero_hidden_wan22_lora_128.pt \ EVALUATION.dataset_stats_path./checkpoints/libero_dataset_stats.json关键参数说明task任务配方名LoRA 检查点必须使用匹配的_lora配方因为检查点中同时存有其他 EasyWAM 可训练模块ckpt上一步下载的.pt检查点路径EVALUATION.dataset_stats_pathlibero_dataset_stats.json 路径用于状态与动作归一化。默认协议会对4 个 LIBERO 任务套件Spatial / Object / Goal / LIBERO-10每个任务各跑 50 次试验。多卡机器可以加MULTIRUN.num_gpusgpu-count将评估分布到多块 GPU 上加速。评估结果参考EasyWAM-Hidden 有多强跑完后可以对照下表验证你的结果成功率 %state_position: sequence协议全参数检查点模型SpatialObjectGoalLIBERO-10Avg.EasyWAM-Unified98.498.899.298.098.6EasyWAM-MoT97.099.296.694.096.7EasyWAM-MoT-IDM99.099.298.897.498.6EasyWAM-Hidden99.2100.097.898.298.8LoRA 检查点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可以看出EasyWAM-Hidden 在全参数设置下以98.8% 平均成功率位居同类架构之首LoRA 版本仅微调骨干网络即可达到 93.5%性价比很高。更完整的跨骨干对比数据含 LIBERO-Plus 鲁棒性测试可在 EasyWAM 项目主页查阅。常见问题快速排查加载 LoRA 检查点报错 / 效果异常确认 Wan2.2 骨干权重路径已正确配置且task使用的是libero_easywam_hidden_wan22_lora评估数值明显偏低检查EVALUATION.dataset_stats_path是否指向正确的 libero_dataset_stats.json想只验证环境是否跑通可以先跑单个任务套件再执行完整的 4 套件 × 50 trials 默认协议。许可与引用本仓库检查点采用CC BY-NC 4.0许可仅限非商业用途并受其基础模型与训练数据条款约束EasyWAM 代码采用 MIT 许可。如果项目对研究有帮助请在论文中引用misc{easywam2026, title {EasyWAM: A Unified and Efficient Framework for Training and Evaluating World Action Models}, author {EasyWAM-Team}, year {2026} }完整的背景介绍、结果表格与文件清单可参阅 README.md。创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考