开源“裸考”真实世界，国产具身智能基座模型拿下全球第二！
原文中文，约5000字，阅读约需12分钟。
📝
内容提要
国产具身智能模型WALL-OSS在RoboChallenge评测中以46.43分排名全球第二，超越美国的pi0。该模型开源，具备透明性和可复现性，推动了具身智能的发展，并在多项任务中展现出强大能力。
🔎
延伸解读
开源模型的优势
WALL-OSS作为开源模型，其透明性和可复现性使得研究者能够验证和改进模型性能。这种开放的特性不仅降低了行业的创新门槛，还促进了不同团队之间的合作，推动了具身智能的快速发展。
RoboChallenge的独特性
RoboChallenge是一个真实物理环境下的多任务评测平台，评估标准公开且透明。这种评测方式使得模型的表现不易受到调参和特化的影响，真正反映出模型在实际应用中的能力。
技术架构的创新
WALL-OSS采用共享注意力与专家分流的架构设计，解决了模态解耦和灾难性遗忘的问题。这种设计使得模型在理解、规划与动作生成之间实现了紧密耦合，提升了其在复杂任务中的表现。
开源的长期价值
自变量机器人团队将开源视为长期投入，旨在通过社区的反馈不断迭代和优化模型。这种策略不仅有助于技术的成熟，也为具身智能领域的持续创新提供了坚实基础。
❓
Q&A
WALL-OSS在RoboChallenge评测中取得了什么成绩？
WALL-OSS以46.43分排名全球第二，超越了美国的pi0。
WALL-OSS的开源特性有什么重要意义？
开源降低了行业创新门槛，促进了研究者和创业团队的合作与发展。
WALL-OSS在具体任务中表现如何？
在“叠抹布”任务中，WALL-OSS取得了单项第一，表现优异。
WALL-OSS的模型架构有什么创新之处？
WALL-OSS采用共享注意力+专家分流的架构设计，实现了模态统一和动作精度的平衡。
RoboChallenge的评测方式与其他模型评测有什么不同？
RoboChallenge允许参赛方提供可驱动机器人的算法，而无需提交模型权重，强调真实物理环境中的表现。
WALL-OSS的训练策略是怎样的？
WALL-OSS的训练策略包括启发阶段和整合阶段，确保认知能力与动作执行能力的稳定整合。
🏷️
