DreamZero-DROID 是一个 14B 参数的 World Action Model（WAM）检查点，使用 DROID 数据集从头训练，面向通用机器人策略。它不同于传统 Vision-Language-Action 模型，通过联合预测未来世界状态和动作来学习物理动态，并以视频作为世界演化的密集表示。

模型基于预训练视频扩散骨干 Wan2.1-I2V-14B-480P，输入包括视觉上下文、语言指令和本体状态，输出为未来视频帧与机器人动作的联合自回归预测。训练数据仅来自带语言标注的 DROID Dataset，约 75k episodes。

该检查点用于展示视频模型骨干在泛化机器人策略中的能力：在真实机器人实验中，相比先进 VLA，在新任务和新环境的泛化上取得超过 2x 改进。通过 DreamZero-Flash 的模型与系统优化，14B 模型可进行约 7Hz 的实时闭环控制；分布式推理或仿真评估需参考主 GitHub 仓库。