人工智能大模型机器人具身智能预训练【免费下载链接】EasyWAM-MoT-Joint-Cosmos25项目地址https://ai.gitcode.com/OpenMOSS/EasyWAM-MoT-Joint-Cosmos25点击查看免费下载EasyWAM-MoT-Joint-Cosmos25是基于 Cosmos-Predict2.5-2B 构建的世界行动模型World Action Model官方检查点仓库专为 LIBERO 机器人操作任务评测设计。本文是一份完整的手册式清单讲清检查点格式.pt 归一化统计 JSON、CC BY-NC 4.0 许可的边界以及学术引用中常见的坑帮助新手快速、合规地上手。1. 项目速览MoT-Joint 架构做了什么EasyWAM-MoT-Joint 是 EasyWAM 框架下的Mixture of TransformersMoT联合架构使用独立的 Video DiT 与 Action DiT 两个专家通过混合自注意力mixed self-attention协作在去噪过程中同时预测未来视频帧与动作 token实现看未来 出动作的联合生成所有检查点均用 EasyWAM 训练框架产出底座为 NVIDIA 的 Cosmos-Predict2.5-2B。效果如何在 EasyWAM LIBERO 评测协议下state_position: sequence全参数微调MoT-Joint 平均成功率98.2%在四个 LIBERO 套件中全面领先同底座模型模型SpatialObjectGoalLIBERO-10Avg.EasyWAM-Unified97.899.497.093.096.8EasyWAM-MoT98.098.498.495.697.6EasyWAM-MoT-Joint98.699.898.496.098.2EasyWAM-Hidden97.298.896.095.096.8更完整的 LIBERO-Plus 鲁棒性对比背景/相机/光照/噪声等 8 个维度见 README.md。2. 检查点格式解析仓库里到底有什么本仓库只包含3 个文件各司其职2.1 模型权重libero_mot_joint_cosmos25.pt格式EasyWAM 自有的 PyTorch 检查点.pt不是 Hugging Facesafetensors标准格式覆盖 LIBERO 全参数微调权重加载入口是 EasyWAM 的run_libero_manager.py通过ckpt参数传入⚠️ 不能直接from_pretrained到通用 DiT 模型必须走 EasyWAM 的评测/推理链路。 文件libero_mot_joint_cosmos25.pt2.2 归一化统计libero_dataset_stats.json这是最容易被新手忽略、却直接影响评测结果的文件。它保存了训练数据的统计量推理时用于把观测归一化回模型期望的数值范围。打开 libero_dataset_stats.json 可以看到两大板块字段维度说明state机器人状态8 维关节位置/夹爪等观测的统计量action动作7 维每步动作的统计量每个板块都提供 8 种统计量且区分**逐步stepwise与全局global**两种口径stepwise_min/stepwise_max/global_min/global_max取值范围stepwise_q01/stepwise_q99/global_q01/global_q991%–99% 分位数stepwise_mean/stepwise_std/global_mean/global_std均值与标准差避坑提示下载检查点时务必两个文件一起下只下.pt不下载统计文件评测时会因缺失dataset_stats_path报错或结果失真。2.3 关键配置约定状态 token 放置方式state_position: sequence所有结果均基于此配置检查点格式EasyWAM PyTorch checkpoint.pt3. 快速上手下载与评测两步走 ⚡3.1 一键下载检查点hf download OpenMOSS-Team/EasyWAM-MoT-Joint-Cosmos25 \ libero_mot_joint_cosmos25.pt \ libero_dataset_stats.json \ --local-dir ./checkpoints3.2 跑起 LIBERO 评测前置条件安装 EasyWAM、按 Cosmos-Predict2.5-2B 底座指南装好依赖、按 LIBERO 评测指南搭好模拟器。然后python experiments/libero/run_libero_manager.py \ tasklibero_easywam_mot_joint_cosmos25 \ ckpt./checkpoints/libero_mot_joint_cosmos25.pt \ EVALUATION.dataset_stats_path./checkpoints/libero_dataset_stats.json默认协议会对 4 个 LIBERO 套件、每个任务跑 50 次试验。多卡加速可追加MULTIRUN.num_gpusgpu数量参数分布式评测。参数作用tasklibero_easywam_mot_joint_cosmos25指定 MoT-Joint 任务的评测配置ckpt指向下载的.pt检查点EVALUATION.dataset_stats_path指向归一化统计 JSON必填MULTIRUN.num_gpus可选多 GPU 分布式评测4. CC BY-NC 4.0 许可避坑能做什么、不能做什么 ⚖️这是新手最容易踩雷的地方请逐条对照对象许可证你能做你不能做本仓库的检查点CC BY-NC 4.0学术研究、非商业用途的使用与修改需署名任何商业目的含商用产品、付费服务EasyWAM 代码MIT自由使用、修改、商用需保留声明免除对缺陷的责任担保底座模型NVIDIA 底座条款按底座模型许可使用超出底座条款的行为三个高频坑代码 MIT ≠ 模型 MIT拿 EasyWAM 代码跑自己的商业流程没问题但加载本仓库 CC BY-NC 4.0 检查点做商业部署就是越界许可是叠加的README 明确说明检查点仍受其底座模型与训练数据条款约束。商用前请先核对 Cosmos-Predict2.5-2B 的许可条款两个条件都满足才行分发要署名再分发或基于检查点的修改版需保留署名BY与非商业NC属性。简单判断法个人科研、论文复现 ✅ 放心用产品化、商业 API ❌ 先走法务审查。5. 引用避坑指南BibTeX 一次写对 如果 EasyWAM 对你的研究有帮助请按官方推荐格式引用misc{easywam2026, title {EasyWAM: A Unified and Efficient Framework for Training and Evaluating World Action Models}, author {EasyWAM-Team}, year {2026} }引用时注意三点title 必须完整不要缩写成 EasyWAM保留 A Unified and Efficient Framework for Training and Evaluating World Action Models 全名year 是 2026别写成 2025引用的是 EasyWAM 框架而非底座Cosmos-Predict2.5-2B 作为底座使用时需另行引用其官方文献两者缺一不可避免查重时被认定引用不完整。6. 上手自查清单 ✅动手前逐项打勾避免返工已同时下载libero_mot_joint_cosmos25.pt与libero_dataset_stats.json两个文件已确认评测命令中ckpt与EVALUATION.dataset_stats_path路径都指向本地文件已知悉状态 token 配置为state_position: sequence复现结果需保持一致已确认使用场景为非商业用途CC BY-NC 4.0 边界已核对 Cosmos-Predict2.5-2B 底座模型许可条款论文中已加入 EasyWAM 与底座模型两条引用7. 仓库文件索引文件说明README.md项目说明、完整结果表、下载与评测命令libero_mot_joint_cosmos25.ptLIBERO 全参数检查点EasyWAM.pt格式libero_dataset_stats.jsonstate/action 归一化统计量state 8 维、action 7 维掌握检查点成对下载 许可非商业 引用双份到位这三点你就能顺畅、合规地完成 EasyWAM-MoT-Joint-Cosmos25 的复现与研究工作。祝实验顺利赞分享人工智能大模型机器人具身智能预训练【免费下载链接】EasyWAM-MoT-Joint-Cosmos25项目地址https://ai.gitcode.com/OpenMOSS/EasyWAM-MoT-Joint-Cosmos25点击查看免费下载相关推荐EasyWAM-Unified-Cosmos25 许可证与引用规范商业使用前必须读懂的 CC BY-NC 4.0 清单EasyWAM Unified Cosmos25 许可证与引用规范商业使用前必须读懂的 CC BY NC 4.0 清单 如果你正在评估 EasyWAM Uni能商用吗EasyWAM-MoT-IDM-Wan22代码MIT与权重CC BY-NC 4.0许可对比与合规要点能商用吗EasyWAM MoT IDM Wan22代码MIT与权重CC BY NC 4.0许可对比与合规要点 EasyWAM MoT IDM Wan22 是基人工智能具身智能机器人EasyWAM-Hidden-Wan22许可与引用指南如何合规使用CC BY-NC 4.0开源检查点进行学术研究EasyWAM Hidden Wan22许可与引用指南如何合规使用CC BY NC 4.0开源检查点进行学术研究 EasyWAM Hidden Wan22 是人工智能大模型具身智能机器人上一篇Google Photos Takeout Helper 使用指南下一篇【免费下载】 实时IMU姿态可视化工具PyTeapot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考