fastwam_robotwin_uncond_3cam_384 (策略模型 · 6B) 架构解析、开源权重与部署指南

概述

这个模型的核心架构、动作空间设计与真机部署定位。

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。

资料出处 Hugging Face lerobot/fastwam_robotwin_uncond_3cam_384

关键参数与架构规格

参数量、网络主干、控制频率、显存需求及 Hugging Face Hub 统计。

参数量: 6B
Hub 下载量: 434; 出处Hugging Face
Hub 点赞: 3; 出处Hugging Face

网络架构: LeRobot / PyTorch Policy Network
动作空间表示: 连续关节位置/末端位姿动作空间
支持数据格式: LeRobot

暂未公开或待收录：微调显存需求 · 闭环控制频率

快速部署与许可说明

开源许可证、权重拉取命令、预训练数据集与关联文章。

代码许可证

Apache-2.0

权重许可证

Apache-2.0

权重下载与策略推理参考

# 1. 从 Hugging Face Hub 下载模型权重与配置
huggingface-cli download lerobot/fastwam_robotwin_uncond_3cam_384 --local-dir ./checkpoints/lerobot-fastwam-robotwin-uncond-3cam-384

# 2. 使用 LeRobot / Transformers 加载策略开展真机或仿真闭环推理
python -m lerobot.scripts.eval --policy.path=lerobot/fastwam_robotwin_uncond_3cam_384