近日，银河通用机器人正式发布 WAM‑TTT（World‑Action Model Test‑Time Training） ——这是银河星脑（AstraBrain）最新规模化部署技术，也是团队面向世界‑动作模型（World‑Action Model，WAM） 的一项世界级原创性技术创造。
当前，具身智能行业面临一个核心困境：具身大模型在后训练阶段习得的技能，一旦部署到真实场景，泛化能力便急剧衰减——训练时明明精通，实际应用中却仿佛“不会了”。而更棘手的是，客户每面对一个新的部署点位（不同的门店货架、不同的家庭布局、不同的工厂、工位），都需要对已学会的技能重新采集数据、重新适配模型。这一高成本、长周期的流程，直接构成了具身智能规模化部署的最大瓶颈。
作为全球首个面向具身智能大模型的测试时后训练框架，WAM‑TTT 让机器人在完成技能学习并进入真实部署场景后，能够在无需大量机器人轨迹数据、无需人类动作标注的前提下，仅需少量人类数据，即可快速完成对当前环境的部署适应。
它以极低成本将模型已学到的能力迁移到千变万化的真实场景中，让机器人的落地不再成为挑战——不需要复杂的数据采集，不需要遥操训练，而是简便采集、一键训练、好用易用。
总结来看，WAM‑TTT 实现了三大核心突破：
-
部署阶段仅需人类视频——机器人不再依赖昂贵的人工遥操作数据，普通人通过录制示范视频即可指导机器人完成场景适应；
-
部署阶段无需任何动作标注——无需手部关键点、抓取位置、操作步骤等人类标注，机器人通过纯视频自监督自行“悟”出动作的动态本质；
-
预训练参数完全冻结，专用参数快速学习——首创“大模型主干冻结 + 轻量内存模块后训练”范式，既保留通用泛化性，又实现零遗忘、秒级适应、即插即用，为“技能商店”模式奠定基础。
在真实世界跨环境评估中，WAM‑TTT 以高达 75.6% 的技能泛化保持率领先最强基线（对比 ICL 仅 14.7%），用实证数据验证了这一范式的行业领先性。
为什么需要 WAM‑TTT？直击真实部署场景中机器人泛化性“衰减病”！
如何让模型在学习一项技能后，快速、极低成本部署到千变万化的真实场景中，是具身智能走向千行百业最核心的世界级难题。
从技术上看，具身大模型在某个技能完成后训练之后，在部署场景中面临泛化性减弱、同技能适应新环境的挑战。模型经过训练以后，要去部署，但“不会了”——比如已经会搬箱子了，但没法搬没见过的箱子。面对不同颜色、不同材质、不同摆放位置的物体，能力大幅滑坡，训练时精通，一去部署就失灵。
从应用上看，客户面对每一个新的部署点位（不同的门店货架、不同的家庭布局、不同的工厂工位），都需要对已学会的技能重新采集数据、重新适配模型。这一高成本、长周期的流程，直接构成了具身智能规模化部署的最大瓶颈。
然而，后训练这一关键环节，既缺乏统一的技术范式，也没有标准的产业方案——学术界尚无成熟解法，产业界亦无高效路径。
传统后训练方案，恰恰卡在了三重成本困境上：
-
数据成本：依赖大量机器人轨迹数据（每一步关节、位姿、抓取动作的精确记录），需人工遥操作采集，成本极高；
-
训练成本：面向新场景需重新微调整个模型，周期长、计算量大，且存在灾难性遗忘风险——学会新技能的同时，忘了旧技能；
-
部署成本：每个环境单独适配，部署周期漫长，难以短时间内大量复制。
这三重困境，正是 WAM‑TTT 要击穿的目标。
三大核心突破，行业首次验证，WAM‑TTT 全面碾压上下文学习
突破一：部署阶段仅需人类视频，1:1 替代机器人轨迹数据
WAM‑TTT 首次证明：仅通过“观看”无标注的人类示范视频，即可引导机器人适应当前场景。
传统方法中，后训练必须依赖机器人自身执行轨迹数据，而 WAM‑TTT 将人类视频吸收到冻结的 WAM 主干内部的轻量级自适应记忆中，通过自监督视频预测完成学习。论文中的消融实验（固定总数据量 200 条/任务）给出了清晰结论：
在数据极度有限的前提下，为对比人类数据与机器人数据的有效性，我们设计了对照实验：
使用 100 条机器人轨迹搭配 100 条人类视频，模型达到了 74.1% 的成功率，与使用 200 条纯机器人轨迹（73.7%）的性能基本持平。结果表明，在该任务上，人类视频可以 1:1 替代机器人轨迹数据，在同等数据预算下获得相近的表现。
而机器人遥操作数据采集成本极高（需专业设备、人工操作），人类视频采集成本几乎为零（手机拍摄即可）。这一结果为行业提供了一条大幅降低数据采集成本的可行路径，从源头打破了数据瓶颈。
突破二：无需任何人类动作标注，纯视频自监督端到端学习
已有的利用人类数据的模型，往往依赖高质量的人类动作标注（如手部关键点、抓取位置、操作步骤时序等）和较为精准的动作重定向，这些标注本身就需要专业人员耗费大量时间，且引入额外误差。
WAM‑TTT 仅使用纯视频引导动作，让管线更加端到端，不受限于其他模块的误差。从“人工教机器人动作”，变成“机器人自己理解动作” ——机器人只看视频，自行抽取任务动态结构，无需任何动作标注，进一步降低了数据准备的门槛。
突破三：预训练参数完全冻结，专用参数快速学习，零遗忘、即插即用
面对新环境，传统的监督型微调（SFT）面临极高的遗忘风险，模型适应新场景的同时，预训练的通用能力急剧衰减；而上下文学习（ICL），适应能力有限，且对环境变化敏感。
WAM‑TTT 创新性地引入了 “大模型主干冻结 + 轻量内存模块后训练” 的范式：相较于 SFT，这种解耦方式不仅保留了预训练模型的通用泛化性，更实现了零遗忘——预训练能力永远保留，同时新学到的技能作为独立记忆存在大模型权重中，可独立存储、按需加载，即插即用。
这是行业首次在具身智能领域证明这一技术路线的可行性，为未来通用机器人的 “技能商店”模式奠定了坚实的技术基础——每个技能都可以封装为一个轻量权重包，随需组合，快速加载。
行业首次验证：WAM‑TTT 全面碾压上下文学习
WAM‑TTT 首次在真实机器人任务中对 ICL 进行了严格对比，结果令人震撼：
核心结论：上下文学习在具身智能领域遭遇了灾难性的泛化失败——当环境发生哪怕中等程度偏移（光照、桌面纹理、物体实例变化），ICL 的性能从 48.4% 直接崩塌至 7.1%，保留率仅 14.7%。而 WAM‑TTT 的性能保持率高达 75.6%。
这证明了：ICL 是"应试型"学习，依赖上下文与训练数据的表面相似性，对环境偏移极度脆弱；WAM‑TTT 是"理解型"学习，通过"快速权重"吸收任务的本质动态结构，而非记忆表面特征。
这是全球首次在真实机器人任务中系统证明"测试时训练"在泛化性上碾压"上下文学习"，为具身智能部署时的适应方案选择提供了明确的技术路线指引。
银河通用：始终引领具身智能技术发展
WAM‑TTT 的发布，标志着银河通用在具身智能领域完成了从基座技术突破到产业应用闭环的全链路布局。
2025 年，银河通用在计算机视觉顶会 ICCV 首次发布 WAM（世界‑动作模型），全球首次打破世界模型与 VLA 的技术路线技术壁垒，将"世界‑动作模型"确立为具身智能领域公认的下一代技术方向。
2025 年 3 月银河通用团队率先对 World-Action Model 展开前沿探索
在论文中，团队对 WAM 进行了系统性的定义
2026 年，银河通用发布 AstraBrain WAM 系列进阶成果，不仅实现了互联网数据、人类视频、机器人遥操数据甚至机器人失败、失误数据在内的全类别数据统一有效利用，更让 WAM 在规模化训练上具备了清晰的扩展路径。由此，具身智能第一次真正迈入了“规模法则”的时代——如同 GPT-2 开启了大语言模型的 Scaling Law 一样，数据规模开始直接驱动模型性能的持续跃升。
如今，随着 WAM‑TTT 的发布，银河通用为具身智能大模型建立起从预训练到场景应用部署的完整技术闭环——预训练赋予机器人通用能力，后训练让其在掌握具体技能后，在场景中快速部署，两者协同驱动，真正打通了"通用能力获取 到场景快速应用"的全链路，让机器人的规模化应用不再成为挑战。
从开创技术路线，到打开规模法则，再到构建后训练范式——银河通用始终在具身智能行业发展的关键节点上，率先给出答案。
2025年，人形机器人产业迎来爆发拐点。特斯拉Optimus量产在即，华为、宇树等企业加速技术突破，行业正从“实验室研发”向“规模化落地”跃迁为打通产业链上下游协作壁垒，艾邦机器人正式组建"人形机器人全产业链交流群"，覆盖金属材料、复合材料、传感器、电机、减速器等全硬件环节，助力企业精准对接资源、共享前沿技术！
扫码关注公众号，底部菜单申请进群
