项目主页： https://loop-wam.github.io 论文原文： https://arxiv.org/abs/2610.18873 开源代码： https://github.com/loop-wam/LoopWAM 近日，由 清华大学、原力灵机与极寰时代 联合研发的世界动作模型LoopWAM，登顶真机评测榜单RoboChallenge Table30 V2，成功率与过程分双双位列榜首，成绩超过VLA-DM0.5等同期方案。同时，LoopWAM在仿真榜单RoboTwin 2.0和RoboCasa365上同样取得SOTA表现。 LoopWAM在所有榜单评测中使用的模型，均由 国产卡阿里云 PPU-810E 训练， 非NVIDIA 系列卡。 这一成绩背后，是一条从真实部署中持续学习的技术路线：让成功、次优和失败经验共同拓展世界模型的学习范围，增强对任务过程和动作后果的理解，再通过质量引导提升动作生成，使机器人在下一轮部署时做得更好。 从仅使用专家演示训练的初始模型出发，经过三轮部署与训练，LoopWAM的整体成功率提高了约19.7个百分点，相对提升 约83% ，过程分也从36.10提升至 56.80 。 让真实部署经验成为下一轮进步的起点，是LoopWAM此次登顶的关键。 这种从真实部署反馈中持续迭代的思路，与Physical Intelligence近日发布的PI API workflow不谋而合：通过“数据上传—模型微调—机器人部署—评估与数据收集”的循环推进能力提升。LoopWAM则在部署数据的利用上更进一步：闭环更新无需额外采集专家演示，也无需引入强化学习，而是发挥世界模型从动作与环境变化中学习的特点，将成功、次优和失败的rollout轨迹全部纳入视频预测训练，再通过质量steering与加权动作监督提升动作生成质量，让部署经验本身成为持续自提升的来源。 图1 PI API

太子复苏！福登欧冠戴帽开季已4球3助，2年前身价1.5亿现仅6500万

[流言板]记者Woike打趣：准备买下“费城82胜0负”域名