一个机器人世界模型兼做策略：GreenWAM 用79个解剖槽位统一20种机体，真机指令成功率95.6%
核心概要
Sber 机器人中心发布 GreenWAM，把 Cosmos 3 Edge 改造成同时充当世界模型与策略的机器人基础模型。它用一套覆盖20个机器人家族的79槽位共享解剖动作空间，把各机体的原生关节映射到同一组腿、躯干、手臂和手指坐标，再以七种视觉—动作模式联合训练。在 WorldArena 1.0 上其轨迹、深度和3D精度在对比的世界—动作模型与视频生成器中最高；在真实 Green 人形上，分布内指令成功率为95.6%，高于由 Cosmos 3 Edge 适配的策略（88.9%）和 π0.5（84.4%）。
深度剖析
同一个机器人基础模型现在既预测动作会把场景变成什么样，也直接输出动作，而且跨不同机体共用一套动作接口。 此前的机器人世界模型和世界—动作模型通常只按其中一个角色构建和评测，Cosmos 3 Edge 的机器人动作也只覆盖6个机体，且以末端位姿增量和夹爪开合表示。 在 WorldArena 1.0 的1000个测试片段上，GreenWAM 的轨迹、深度和3D精度分别为56.0、98.2和93.4，在对比的世界—动作模型与视频生成器中最高；在真实 Green 人形上，分布内指令成功率95.6%，由 Cosmos 3 Edge 适配的策略为88.9%，π0.5为84.4%。
跨机体的统一靠一张共享的解剖坐标表：每个机体只需一个编解码器，把原生关节选入、重排并统一符号与零点，之后所有机体共用同一个动作投影。 按机体域各设一个动作投影、或用末端位姿加夹爪状态描述机器人时，不同机体的手臂、躯干、腿和手指之间的对应关系是隐含的或缺失的。 79个槽位分为腿12、躯干23、手臂18、手26，覆盖20个机器人家族；缺失或无法确定的坐标由有效性掩码排除在损失之外，因此不存在的关节不会被当作零运动学习。
策略从同一个生成器上分出一个动作专家，并在适配时保留世界模型模式，这两项选择在固定适配预算下各自提高成功率。 对照运行从同一检查点出发、用相同配方和步数训练，只改变一个设计选择。 在 RoboTwin 2.0 上，从 GreenWAM 初始化比从 Cosmos 3 Edge 初始化平均成功率高5.4%；在适配开始时分出动作专家再提高3.3%；适配中保留前向动力学和图像到视频模式使随机化场景成功率提高8.0%，干净场景无显著变化。
启示与展望
已展示的范围是20个双臂机器人家族的训练语料、WorldArena 1.0、RoboTwin 2.0、CALVIN、RoboDojo、LIBERO 与 LIBERO-plus 四个仿真基准，以及 Green 人形上的一个打包任务；真实机器人评测只覆盖这一台人形和这一个任务。
策略对任务几何变化仍然敏感：RoboTwin 上桌面高度改变、LIBERO-plus 上机器人初始构型改变都会降低成功率，而所用的外观增强只改变观测、不增加新的运动示范。长时程 rollout 从模型自己生成的帧继续，预测误差会逐块累积；每个基准都通过各自的后训练达到，真实机器人结论也只来自一台人形和一个任务。