点击下方卡片，关注【Xbotics具身智能实验室】公众号

更多具身干货，欢迎加入【Xbotics知识星球】（戳我）

👉具身智能学习资料汇总：https://github.com/Xbotics-Embodied-AI-club/Xbotics-Embodied-Guide

👉具身智能求职/实习信息汇总：https://github.com/Xbotics-Embodied-AI-club/Xbotics-Embodied-AI-Job

你想要的这里都有~~

这阵子看了一圈具身智能的 GitHub，有个感受挺明显——大家已经不满足于列 VLA 论文清单了。过去这类 Awesome 项目主要是找论文、找代码、找 benchmark，但最近冒出来的几个新仓库，悄悄把一条更清晰的技术主线带出来了：

VLA 在往世界动作模型、动作预测、失败恢复和后训练方向走。

说白了，机器人光看懂图、听懂话，然后直接蹦出一个动作，在真实世界里根本不够用。你一动作，环境就变了，环境变了下一步动作就得跟着调整。模型要是不清楚“我这步做完之后会发生什么”，碰到长程任务、接触类任务、工业场景就很吃力。

所以这期我不搞大而全的堆砌，只挑了三个个人觉得最值得长期跟的仓库。它们刚好对上一个层次：一个抓 WAM 新主线，一个看全景，一个扫每日新论文。

第一个：https://github.com/OpenMOSS/Awesome-WAM

如果只能留一个，我肯定选它。

这个仓库不是随便收一堆论文，而是专门围绕“世界动作模型”（WAM）做的系统梳理，并且是 WAM 综述论文的配套仓库。5月13号才初始发布。

它最让我喜欢的地方，是把一个本来有点乱的领域重新分了类。

以前说起机器人世界模型，什么预测未来视频、用视频生成辅助规划、把未来状态隐式塞进策略网络、动作和未来观测一起建模……单看论文都挺新，但搁一块儿就容易晕。

Awesome-WAM 给了一条很管用的分法：

把 WAM 分成 Cascaded WAM（先想象未来，再出动作）和 Joint WAM（把预测未来和生成动作塞进同一个模型联合搞）。还按表示形式拆成像素空间、隐空间、自回归生成、扩散式生成等等。

这对写内容太友好了。

因为 WAM 不是某一个模型的名字，而是一种判断标准：模型到底有没有把“未来状态预测”嵌进策略里？动作是不是和预测的未来绑在一起的？如果只是拿个视频模型当外挂，或者训练时加个辅助损失，未必算真正的 WAM。这个边界一清楚，看论文就不容易被“世界模型”这词带偏。

我后面会拿它当 WAM 方向的主资料源，适合挖选题，比如“为什么 VLA 之后大家开始谈 WAM？”“机器人需要预测未来图像，还是只需要预测对动作有用的隐状态？”之类的问题。

第二个：https://github.com/DravenALG/awesome-vla-wam

如果说 Awesome-WAM 是专题综述延伸，那 awesome-vla-wam 就是一张大地图。它的定位就是系统整理 VLA 和 WAM 的研究，帮人看清机器人基础模型最近的发展脉络。

这个仓库覆盖面很全。从通用 VLA 开始，拆出带 3D/4D 建模的、带强化学习的、高效 VLA、潜动作 VLA，还有人形、灵巧手、触觉这些细分。到了 WAM 部分，又继续拆成通用世界模型、基于视频生成的、基于 VLM 的、从零训的。

特别有意思的是，它直接点明了 VLA 和 WAM 的交集：基于预训练 VLM 构建、同时能预测未来状态的模型，可以既算 VLA 也算 WAM。这就把未来可能会出现的混合模型格局讲清楚了——以后不一定非此即彼，更可能是同一个模型里，上层有视觉语言理解，中层有世界状态预测，下层出动作。

这个仓库适合做路线导航。想写 VLA+RL，就从强化学习那个分区切入；想写灵巧手，就看 Dexterous/Tactile；想写 WAM，就顺着三条路线往下找。每个月扫一遍，很容易看出哪些小方向突然热了。

第三个：https://github.com/Ed1sonChen/DailyArxiv

严格说，它不是一个具身智能专用仓库，而是一个自动抓 arXiv 新论文的工具库，按关键词天天更新。

比如它的 Vision Language Action 分区里，已经能看到 5月15号的 VLA-AD，讨论怎么用离线语义指导做 VLA 策略蒸馏，把大模型老师压缩成轻量学生策略，强调实时控制里的模型大小和推理成本。

我把它放进来，纯粹是因为它适合当“新论文雷达”。现在具身智能论文更新速度太快，靠人工每天刷 arXiv 坚持不了几天。

DailyArxiv 的价值是把“可能值得看”的论文先捞出来。当然，真正要写东西时还得再做二次筛选：看有没有代码、有没有真机实验、是不是只在模拟器上刷分、有没有提出新问题。

它更像一个上游入口。我现在的习惯是，每周扫一遍 Vision Language Action、World Model 这些关键词，把有意思的标题挑出来，再跟 Awesome-WAM、awesome-vla-wam 这类人工整理仓库交叉验证。两边都出现的，基本值得认真看。

为什么只推这三个？

它们刚好组成一套资料闭环：Awesome-WAM 回答“新主线是什么”，awesome-vla-wam 回答“各个方向全景长什么样”，DailyArxiv 回答“每天又冒出哪些新东西”。

单个用都有短板：只看 DailyArxiv 容易陷进标题党，看什么都想写；只看 Awesome-WAM 会太聚焦 WAM，忽略后训练、轻量化部署、触觉人形这些工程侧问题；只看 awesome-vla-wam 又全景有了，但动态敏感度不够。

搭配起来用最舒服：用 DailyArxiv 发现新工作，用 awesome-vla-wam 定位它在全景里的坐标，用 Awesome-WAM 判断它是不是摸到了下一阶段的主线。

收个尾

如果说过去两年具身智能最热的是 VLA，那最近这批 GitHub 仓库其实在提示一件事：

下个阶段，大家会越来越关心世界模型、动作之后的状态预测，还有部署期的持续学习。

这不是换概念，而是真实场景绕不开的坎。抓杯子杯子可能滑，插孔接触力会变，叠衣服布料形态一直变，工业上下料姿态偏离示教分布——模型只懂“看图出动作”，在这种动态反馈里很难撑住。

所以 WAM 的意义，是把机器人策略从“当前状态到动作”，往“当前状态—未来状态—动作后果”的闭环里推进了一步。

这三个仓库，值得放进收藏夹。不用天天看，但隔一两周扫一次，你就能感觉到：这个领域的热点，到底是在变多，还是在变深。

-END-

Ask Me Anything｜提问箱

❝

对文章有疑惑，或想聊更深？欢迎把你的问题丢给我们：技术方案、实操踩坑、课程与资料、项目合作、职业发展，都可以问。

怎么问：在评论区留言，或私信公众号

我们会做什么：每周集中整理高质量问题并公开回复，重点问题邀请作者或嘉宾深度解答；典型问题会加入知识库并持续更新。

提问小提示：尽量说明「你的目标—当前做法—期望产出」，附上必要信息（硬件/软件版本、数据规模等），能更快获得有用答案。

一起把问题变成知识，推动社区进步 🚀