LoopWAM
一种闭环世界-动作模型（world-action model），通过来源依赖噪声采样、质量引导与质量加权监督等机制，从包含成功与失败的完整质量谱部署 rollout 中学习，实现机器人通用策略的自我改进。
时间轴 (近 90 天)
LoopWAM 论文提出闭环世界动作模型，能够从成功、次优与失败部署的 Rollout 中学习，并在 Robot Challenge Table 30-VR 上经过三轮部署训练，将成功率从 23.67% 提升至 43.33%，提升了 19.7 个百分点。
LoopWAM 的训练数据来自两个渠道：模型自身的部署 rollout，以及其它已部署策略产生的 rollout。
Source-dependent noise sampling 根据数据来源动态调整加噪水平或采样权重，以使行为克隆信号和世界建模信号在训练中保持平衡。
quality steering 作用于视频/观测层面，保留对所有质量等级 rollout 的完整监督；quality-weighted supervision 作用于动作层面，对模仿损失进行重加权，成功片段获得更高的动作克隆权重，失败片段降低其在动作损失中的比重但保留其在世界建模损失中的贡献。
在 LoopWAM 的并行去噪过程中，视频 token 和动作 token 全程交互，使模型学到的后果可以直接影响动作生成。
在 RoboChallenge Table30-V2 上的闭环实验中，经过三轮部署-训练循环，LoopWAM 的成功率从 23.67% 提升到 43.33%，提升 19.7 个百分点，最终得分 56.80。
LoopWAM 是一个闭环 world-action model（世界-动作模型），能够从完整质量谱（包括低质量数据）的部署 rollout 中学习。
LoopWAM 在 RoboCasa365 上达到 49.5% 的整体成功率。
LoopWAM 的上述结果是在没有额外具身预训练的情况下取得的，且在三个基准上的综合表现均为对比方法中最佳。
在叠衬衫单任务后训练场景中，经过两轮部署驱动改进，LoopWAM 的成功率从 13.20% 升到 55.56%。
还有 2 条时间轴事件
全部知识事实 (12)
LoopWAM 论文提出闭环世界动作模型，能够从成功、次优与失败部署的 Rollout 中学习，并在 Robot Challenge Table 30-VR 上经过三轮部署训练，将成功率从 23.67% 提升至 43.33%，提升了 19.7 个百分点。
50%待验证LoopWAM 的训练数据来自两个渠道：模型自身的部署 rollout，以及其它已部署策略产生的 rollout。
50%待验证Source-dependent noise sampling 根据数据来源动态调整加噪水平或采样权重，以使行为克隆信号和世界建模信号在训练中保持平衡。
50%待验证quality steering 作用于视频/观测层面，保留对所有质量等级 rollout 的完整监督；quality-weighted supervision 作用于动作层面，对模仿损失进行重加权，成功片段获得更高的动作克隆权重，失败片段降低其在动作损失中的比重但保留其在世界建模损失中的贡献。
50%待验证在 LoopWAM 的并行去噪过程中，视频 token 和动作 token 全程交互，使模型学到的后果可以直接影响动作生成。
50%待验证在 RoboChallenge Table30-V2 上的闭环实验中，经过三轮部署-训练循环，LoopWAM 的成功率从 23.67% 提升到 43.33%，提升 19.7 个百分点，最终得分 56.80。
50%待验证LoopWAM 是一个闭环 world-action model（世界-动作模型），能够从完整质量谱（包括低质量数据）的部署 rollout 中学习。
50%待验证LoopWAM 在 RoboCasa365 上达到 49.5% 的整体成功率。
50%待验证LoopWAM 的上述结果是在没有额外具身预训练的情况下取得的，且在三个基准上的综合表现均为对比方法中最佳。
50%待验证在叠衬衫单任务后训练场景中，经过两轮部署驱动改进，LoopWAM 的成功率从 13.20% 升到 55.56%。
50%待验证闭环改进的工程复杂度较高，需要稳定的部署 pipeline、可靠的 rollout 收集机制，以及能够处理混合质量数据的训练框架。
50%待验证LoopWAM 在 RoboTwin 2.0 上达到 94.5% 的平均成功率。
50%