企业官网建设流程全解析

Awesome-WAM 是专注于 World Action Models（WAM，世界动作模型）的论文资源仓库，收录了100+ 篇精选 WAM 论文、66 篇中文精读报告以及一个VLA 基准 Leaderboard，是具身智能（Embodied AI）方向新手检索 WAM 论文、理解架构分类、对比模型性能的一站式工具。

🧭 一分钟认识：Awesome-WAM 里有什么

在开始实操之前，先花 30 秒了解仓库的核心组成：

1. 第一步：一键克隆仓库，打开论文地图

git clone https://gitcode.com/gh_mirrors/aw/Awesome-WAM cd Awesome-WAM

克隆完成后，直接打开 README.md 就是你面对的第一张"论文地图"。它按以下章节组织，目录结构一目了然：

• World Action Model：Cascaded WAM 与 Joint WAM（自回归生成 / 扩散生成）
• World Model for VLA：面向模仿学习、强化学习与评估的世界模型
• Training Data：机器人数据集、UMI、仿真、人类第一视角视频四大类
• Evaluation：视觉保真度、物理常识、动作合理性、策略基准等评测方法

每条论文都附带标签徽章（如Explicit、Geometric、Unified-DiT等）和 Paper / Webpage / Code / Model / Blog 链接。例如经典工作 UniPi 的条目如下格式：

UniPi: "Learning Universal Policies via Text-Guided Video Generation", NeurIPS 2023. [Paper][Webpage][Blog]

标签图例（Tag Legend）在 README 开头，帮你快速按"表示方式 + 动作提取方式"定位论文，例如想找"用视频生成显式规划、再通过几何方式提取动作"的工作，就筛选Explicit+Geometric两个标签即可。

2. 第二步：看懂两大架构路线，建立分类直觉

读懂 WAM 论文，最关键是先分清Cascaded（级联）与Joint（联合）两条架构路线——这也是仓库分类的骨架。

2.1 Cascaded WAM：先"想象"，再"执行"

级联式 WAM 把流程拆成两步：先由视频生成模型预测未来画面，再通过逆动力学或学习式模块提取动作。以 ARDuP 为例，它先用视频生成"想象"任务执行过程，再解码出动作序列：

对应仓库中的代表工作包括 UniPi、VLP、Gen2Act、VideoPolicy 等，均标注了Explicit（显式生成未来）或Implicit（隐式潜变量规划）标签。

2.2 Joint WAM（自回归）：一个模型同时"看世界"和"做动作"

Joint WAM 将未来帧与动作统一为一串 token，用自回归方式联合生成。GR-1 是该路线的开山之作——先在大规模视频上预训练，再微调出可部署的机器人策略：

同类工作还有 GR-2、CoT-VLA、WorldVLA、RynnVLA-002 等，标签区分了Explicit-Decoupled（显式解耦）与Unified-Discrete（统一离散表示）。

2.3 Joint WAM（扩散）：视频与动作联合去噪

扩散路线用 DiT 架构对图像、动作等多模态噪声联合去噪，是目前最活跃的分支。PAD 的框架展示了"预测 + 动作"在潜空间中如何共享一个扩散过程：

UWM 则进一步用单个 Diffusion Transformer 同时支撑正向动力学、策略、视频预测等多个头，展示了统一世界模型的潜力：

这一分支下有 PAD、VideoVLA、Cosmos Policy、DreamZero、Motus 等 20 余篇工作，标签按Unified-DiT（统一流）与Multi-Dit（多流耦合）进一步细分。

3. 第三步：用 66 篇中文精读报告代替通读原文

仓库最有价值的部分在 report/ 目录：66 篇代表论文各有一个中文精读报告页面（index.html为中文版，index.en.html为英文版），目录名就是 arXiv 编号，例如：

• report/2302.00111/index.html：UniPi 精读
• report/2312.13139/index.html：GR-1 精读
• report/2411.18179/index.html：PAD 精读

每篇报告都遵循统一的 8 章结构，帮你用 20 分钟掌握一篇论文：

1. 论文速览：核心贡献清单
2. 动机：要解决什么问题、已有方法卡在哪里
3. 相关工作脉络
4. 问题形式化
5. 方法详解
6. 实验与结果
7. 分析、局限与边界
8. 可复现性审计：数据、超参数、复现建议

💡 小技巧：每篇报告目录下的figures/还存有论文原图，阅读时可与正文对照。

4. 第四步：用 Leaderboard 对比各模型真实水平

打开 leaderboard/index.html（克隆后可直接用浏览器访问），这是一个基于本地 JSON 数据渲染的交互式排行榜，数据源自 AllenAI VLA Evaluation Harness。你可以：

• 按基准筛选：如 CALVIN（平均完成子任务数，满分 5）、Kinetix（成功率 %）等
• 按指标与日期过滤：用 From/To 月份框聚焦最新进展
• 搜索与排序：支持按模型名搜索、按分数高低或论文时间排序
• First-party only：只看论文作者自报的成绩，保证可比性

页面顶部的趋势图会画出各基准的性能演进曲线，一眼看清"当前 SOTA 走到哪了"。想二次处理数据时，直接读 leaderboard/data/leaderboard.json 即可，每条记录都包含模型名、基准、总分、分项分数、出处表格和备注。

5. 新手推荐阅读路径：从 3 篇论文切入

面对 100+ 篇论文，建议按下面的顺序"由浅入深"：

1. 先读综述：仓库配套的 WAM 综述论文（arXiv 2605.12090）定义了 WAM 的形式化表达，index.html 中的在线版本配有 Definition、Architecture、Training Data、Evaluation 等章节导读
2. 理解级联范式：读 UniPi 报告（report/2302.00111/index.html），搞清"视频生成 → 动作提取"的基本闭环
3. 理解联合范式：读 GR-1 与 PAD 报告，对比自回归与扩散两种统一建模思路
4. 按需深入：想做强化学方向看 World Model for RL 章节（Dreamer 系列、World4RL 等）；想做评测看 Evaluation 章节；找数据看 Training Data 表格
5. 验证选型：最后到 Leaderboard 上按你的目标基准查一下各模型成绩，形成自己的判断

小结

Awesome-WAM 把"找论文、读论文、比模型"三件事整合在一个仓库里：README 负责检索，report 目录负责精读，leaderboard 负责选型。建议先克隆仓库通读 README 的分类体系，再挑 3 篇精读报告建立直觉，最后用 Leaderboard 校准对 SOTA 的认知——这就是上手 WAM 文献最高效的路径 🚀