# fastwam_robotwin_uncond_3cam_384

> 权威词条地址：https://robotics.hellobike.com/models/lerobot-fastwam-robotwin-uncond-3cam-384
> 所属分类：models | 最近核验日期：2026-06-23 | 技术层级：L7, L8

## 核心摘要

lerobot 在 Hugging Face 发布的机器人模型，基于 lerobot，参数规模 6B。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/lerobot/fastwam_robotwin_uncond_3cam_384"}] |
| `updated` | 2026-06-23 |
| `vendor` | hugging-face |
| `family` | policy |
| `params` | 6B |
| `architecture` | LeRobot / PyTorch Policy Network |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | Apache-2.0 |
| `weights_license` | Apache-2.0 |
| `data_formats` | ["LeRobot"] |
| `status` | research |
| `hub_id` | lerobot/fastwam_robotwin_uncond_3cam_384 |
| `hub_stats` | {"downloads": 434, "likes": 3, "as_of": "2026-10-27"} |
| `overview_sources` | ["https://huggingface.co/lerobot/fastwam_robotwin_uncond_3cam_384"] |

## 技术详解与生态说明

FastWAM RoboTwin 3-Camera 384 是一个转换为 Hugging Face / LeRobot `fastwam` policy 格式的视觉-语言-动作策略检查点，面向 RoboTwin 风格的操作任务评估与微调。它从多视角 RGB 图像、机器人状态/本体感知和语言或任务上下文中预测连续机器人动作块。

模型基于 Wan2.2 视频生成组件和 action diffusion expert，backbone family 为 `Wan-AI/Wan2.2-TI2V-5B`，训练目标为 FastWAM video/action diffusion loss。其输入图像特征为 `observation.images.image`，图像形状为 `(3, 384, 320)`，状态和动作形状均为 `(14,)`，动作 horizon 为 32，视频帧数为 33，Torch dtype 为 `bfloat16`。

该仓库可通过 LeRobot 中包含 `fastwam` policy 的版本加载，`FastWAMPolicy.from_pretrained(...)` 会从同一仓库快照加载策略权重和本地 Wan sidecar 组件，不需要单独下载 Wan2.2 backbone。训练或微调时调用 `forward(...)` 并使用返回的 `loss`，batch 需包含 `video`、`action`、`context`、`context_mask` 等 FastWAM-ready tensors，或可由 policy wrapper 适配的 LeRobot observation/action keys。

## 原始核验来源 (Sources)

- [Hugging Face lerobot/fastwam_robotwin_uncond_3cam_384](https://huggingface.co/lerobot/fastwam_robotwin_uncond_3cam_384)