GreenWAM: A World Foundation Model for Robotics

A robot needs a world model that predicts how its actions will change the scene and a policy that chooses those actions. Models are usually built and evaluated for only one of these roles, and every robot records its actions in its own format. We ask whether one robot world model can serve both roles across different bodies, and what makes this work. We present GreenWAM, a world foundation model for robotics, together with the recipe that produces it: (1) a shared anatomical action space that describes 20 robot families, from bimanual arms to dexterous humanoids, in common joint coordinates; (2) joint training on these families in visual, action-conditioned and world-action modes; and (3) policies that split an action expert off the generator. As a world model, GreenWAM attains top-tier trajectory, depth and 3D accuracy on WorldArena 1.0, ahead of every world-action model and video generator in our comparison. As a policy, it scores among the top entries of the RoboTwin 2.0 leaderboard, reaches the highest zero-shot LIBERO-plus success among the compared methods and is competitive with dedicated vision-language-action and world-action policies on CALVIN and LIBERO. We further adapt GreenWAM to a real humanoid, where it succeeds more often than policies adapted from π_{0.5} and from Cosmos 3 Edge, and distill it into a single-step policy for real-time control. Controlled experiments yield three findings: robot specialization improves world prediction and control together; an action expert helps when split off at the start of adaptation; and keeping world-model modes during policy adaptation preserves robustness to scene changes.

한 줄 요약

GreenWAM은 다양한 로봇에 걸쳐 월드 모델과 정책을 통합하는 세계 기초 모델로, WorldArena 1.0과 RoboTwin 2.0에서 뛰어난 성능을 보인다.

핵심 기여도

공통 관절 좌표를 기반으로 20개 로봇 패밀리의 행동을 통합한 공유 해부학적 행동 공간 제안.
시각, 행동 조건, 월드-액션 모드에서의 공동 훈련을 통해 GreenWAM을 학습.
정책에서 생성기에서 액션 전문가를 분리하여 Zero-shot LIBERO-plus 성공률 1위 달성.
실제 인간형 로봇에 적응시켰으며, π₀.₅와 Cosmos 3 Edge 기반 정책보다 더 높은 성공률 보임.

핵심 아이디어

기존 연구는 월드 모델과 정책을 별도로 설계했으나, GreenWAM은 하나의 모델이 두 역할을 동시에 수행할 수 있음을 제시한다. 이는 공유된 해부학적 행동 공간을 통해 다양한 로봇 패밀리(이중 팔, 유연한 인간형 등)를 동일한 관절 좌표로 표현함으로써 가능하다. 또한, 액션 전문가를 생성기에서 분리하는 방식은 정책의 실시간 제어 능력을 향상시키며, 월드 모델 모드를 유지하면 환경 변화에 대한 내성이 증가한다.

기술적 접근법

**공유 해부학적 행동 공간**: 20개 로봇 패밀리의 행동을 공통 관절 좌표로 매핑.
**공동 훈련**: 시각, 행동 조건, 월드-액션 모드에서의 데이터를 함께 사용한 훈련.
**정책 구조**: 생성기에서 액션 전문가를 분리하여 정책을 추출.
**실시간 제어**: 단계별 정책으로 압축하여 실제 인간형 로봇에 적용.

주요 결과

**WorldArena 1.0**: GreenWAM은 월드 모델로서 최상의 트레jectory, 깊이, 3D 정확도를 달성.
**RoboTwin 2.0 리더보드**: 상위권 성적.
**LIBERO-plus**: Zero-shot 성공률 1위.
**실제 인간형 로봇**: π₀.₅와 Cosmos 3 Edge 기반 정책 대비 더 높은 성공률.

의의 및 한계

GreenWAM은 다양한 로봇에 대한 통합 월드 모델과 정책을 제공하며, Zero-shot 성능과 실시간 제어 능력을 동시에 갖춘다. 그러나 특정 로봇에 최적화된 전용 모델과 비교했을 때 모든 측면에서 우위를 차지하지는 못하며, 실제 환경에서의 장기적 안정성은 추가 실험 필요. 또한, 20개 로봇 패밀리만을 기반으로 훈련받았기 때문에 더 다양한 로봇 유형에 대한 일반화 능력은 명시되지 않음.

실용적 활용

GreenWAM은 다양한 로봇 플랫폼에서 즉석 사용 가능한 정책을 제공하므로, 로봇 개발 및 제조, 서비스 산업에서 신속한 정책 배포와 적응에 유용하게 활용될 수 있다. 특히, Zero-shot 성능은 새로운 환경에서의 즉각적 반응을 가능하게 하며, 실시간 제어는 인간형 로봇의 실용성을 높인다.