视频

一家做图像生成的公司跑来卷机器人控制，说明视频模型里积累的「物理直觉」正被越来越多的团队当作机器人大脑的底座。

OpenWAM从阿里开源的视频模型Wan2.2-5B出发，先在约334万条机器人与人类交互视频上继续预训练，名义时长约1.46万小时，全程不用动作标签，在32块B200上训练了14天。