# WoW-1-Wan-1.3B-2M

> 权威词条地址：https://robotics.hellobike.com/models/x-humanoid-wow-1-wan-1-3b-2m
> 所属分类：models | 最近核验日期：2025-12-17 | 技术层级：L7

## 核心摘要

X-Humanoid 在 Hugging Face 发布的机器人模型，架构为 i2v，参数规模 1.3B，训练数据包含 WoW-world-model/WoW-1-Benchmark-Samples。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/X-Humanoid/WoW-1-Wan-1.3B-2M"}] |
| `updated` | 2025-12-17 |
| `family` | world_model |
| `params` | 1.3B |
| `architecture` | i2v |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | mit |
| `weights_license` | mit |
| `data_formats` | ["SafeTensors"] |
| `pretraining_data` | ["WoW-world-model/WoW-1-Benchmark-Samples"] |
| `status` | research |
| `hub_id` | X-Humanoid/WoW-1-Wan-1.3B-2M |
| `hub_stats` | {"downloads": 25, "likes": 4, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/X-Humanoid/WoW-1-Wan-1.3B-2M"] |

## 技术详解与生态说明

WoW-1-Wan-1.3B-2M 是 WoW 项目中的 1.3B 参数生成式世界模型，面向具身交互中的想象、推理和行动。它被描述为能够生成物理一致的视频和机器人动作计划，并用于机器人零样本视频生成、因果推理与物理仿真、长程操作规划、前向与逆向控制预测等应用。

该模型在 2M 条真实世界机器人交互轨迹上训练，数据包含视觉、动作和语言等多模态场景，并使用多样化 mixture captions 增强泛化。说明中给出的提示示例包括 Franka 机器人抓取桌上红色瓶子、打开抽屉、拿螺丝刀并放到桌上，以及更细粒度的腕部旋转等动作描述。

模型使用 SOPHIA 视觉语言 critic 进行输出细化，并与共同训练的 Inverse Dynamics Model 配对，以形成从想象到动作的闭环。项目还计划持续更新更多轨迹、更丰富语言和更细的多模态标注，并提供项目页、GitHub 仓库和 WoW-1 Benchmark Samples 数据集资源。

## 原始核验来源 (Sources)

- [Hugging Face X-Humanoid/WoW-1-Wan-1.3B-2M](https://huggingface.co/X-Humanoid/WoW-1-Wan-1.3B-2M)