全球首個！銀河通用新框架僅需人類影片即可部署，特斯拉蚌埠住了

📌 【銀河通用】全球首個具身智慧測試時後訓練框架 WAM-TTT 釋出

TL;DR：WAM-TTT 讓機器人僅靠人類影片在部署階段適應新場景，無須重訓。

機器人在訓練場搬箱子精準無比，換個環境就擺手不會——這種「部署泛化衰減」一直是具身智慧規模化的死穴。如今銀河通用宣稱，他們第一次把大語言模型的測試時訓練（Test-Time Training, TTT）路線走通到物理世界。

🤔 具身智慧卡在「換場景就失靈」

現階段整個具身智慧行業受限於同一核心痛點：同一項技能訓練時精通、部署時失靈。客戶每換一個新部署點位，都得重新採集資料、重新適配模型，又貴又慢，難以規模化落地。

🧩 WAM-TTT：把人類影片寫進臨時記憶再動作

銀河通用釋出面向具身智慧大模型的測試時後訓練框架 WAM-TTT（World-Action Model Test-Time Training），首次將 TTT 範式從 NLP 與 LLM 遷移到機器人控制。它基於原始人類實拍影片、在推理階段完成適配訓練，無需重新預訓練，也無需大量機器人軌跡資料與人類動作標註。

框架底座是預訓練好的世界動作模型（World Action Model, WAM），內部由影片專家與動作專家組成：前者理解畫面發生什麼，後者生成機器人動作，兩者透過聯合注意力（joint attention）通訊。WAM 主體權重全程凍結，學習只發生在一塊獨立的小型引數儲存單元 fast-weight memory（快速權重記憶）中。

📊 兩階段流程：離線對齊、線上只更新記憶

• Meta-Training（離線元訓練）：藉助成對採集的人類與機器人演示資料，透過 Key-Value 向量對自適應記憶，實現人類視覺線索與機器人行為對齊。
• Test-Time（線上測試時訓練）：提供一段未標註的人類 RGB 影片，主 WAM 鎖死，僅更新輕量化記憶模組引數；完成後將操作邏輯送入相機觀測畫面，模型輸出機械動作。

作者以廚師類比：機器人如已出師廚師，看顧客給的教學影片後，不逐幀模仿，而是把要求寫到「便籤」（fast-weight memory），呼叫既有廚藝把菜做出來，既適應新任務也不丟失原能力。

💡 聲稱的四點突破之一：擺脫軌跡資料依賴

摘要指出，對比傳統架構，WAM-TTT 實現四點突破，其中第一點為大幅降低機器人軌跡資料依賴，部署階段可擺脫對昂貴人工遙運算元據的需要。其餘三點與具體實驗資料摘要未提及，故不贅述。

🎯 實務啟示

對機器人落地團隊而言，若該框架如所述，僅靠人類實拍影片即可在部署端適配，將顯著減少每個新點位重採資料與重訓的成本。工程上可關注其「主權重凍結、只訓練記憶模組」的輕量化思路，作為解決現場泛化問題的參考架構。

🔗 來源

• 標題：全球首個！銀河通用新框架僅需人類影片即可部署，特斯拉蚌埠住了
• 作者／機構：鷺羽 @ 量子位
• 連結：https://www.qbitai.com/2026/07/451403.html

#EmbodiedAI #RobotLearning #TestTimeTraining #WAMTTT #Galbot #WorldActionModel #FastWeightMemory #Generalization #Deployment #HumanVideo