# tau-0-wm

> 权威词条地址：https://robotics.hellobike.com/models/sii-research-tau-0-wm
> 所属分类：models | 最近核验日期：2026-07-30 | 技术层级：L7

## 核心摘要

sii-research 在 Hugging Face 发布的机器人模型，架构为 ti2v。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/sii-research/tau-0-wm"}] |
| `updated` | 2026-07-30 |
| `family` | other |
| `params` | 80M |
| `architecture` | ti2v |
| `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` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | sii-research/tau-0-wm |
| `hub_stats` | {"downloads": 545, "likes": 18, "as_of": "2026-10-26"} |
| `overview_sources` | ["https://huggingface.co/sii-research/tau-0-wm"] |

## 技术详解与生态说明

τ₀-World Model（τ₀-WM）是面向机器人操作的统一 video-action 世界模型，将策略学习、视频预测和动作评估整合在同一个未来预测框架中。它基于共享的视频扩散骨干 Wan-2.2，发布了两个互补检查点：仓库根目录中的 Video Action Model，以及 simulator/ 下的 action-conditioned video simulator。

Video Action Model 从多视角观测、语言指令和机器人状态中联合预测未来视觉潜变量与连续动作片段；模拟器则将候选动作片段 rollout 成多视角未来，并预测密集的任务进展分数。模型训练数据约 27,300 小时，来源包括真实机器人遥操作、UMI-style 交互和第一视角人类视频。

该模型面向双臂操作设计：状态输入包含两个末端执行器的绝对位姿和夹爪状态，动作输出为末端执行器绝对位姿与夹爪开合度，共 16 通道；预训练内部优化目标为相对位姿预测。详细部署和环境配置需要参考官方 GitHub 仓库。

## 原始核验来源 (Sources)

- [Hugging Face sii-research/tau-0-wm](https://huggingface.co/sii-research/tau-0-wm)