新手入门 EasyWAM-Unified-Wan22环境安装与 Wan2.2 骨干权重配置避坑指南【免费下载链接】EasyWAM-Unified-Wan22项目地址: https://ai.gitcode.com/OpenMOSS/EasyWAM-Unified-Wan22EasyWAM-Unified-Wan22 是基于 Wan2.2-TI2V-5B 骨干训练的 World Action Model世界-动作模型开源检查点仓库。本文将带你完成环境安装、检查点下载与 Wan2.2 骨干权重配置的全流程并列出新手最容易踩中的 3 个坑帮助你一次跑通 LIBERO 评估。一、项目是什么5 分钟了解 EasyWAM-Unified-Wan22一句话介绍EasyWAM-Unified 使用单个 Video DiT同时表示并去噪视频 token与动作 token两种模态通过同一组自注意力层双向耦合实现了视觉想象 动作生成的统一建模。本仓库发布的是在LIBERO 机器人操作基准上训练的官方检查点核心能力一览检查点说明文件全参数版完整训练权重LIBERO 四套件平均成功率98.6%libero_unified_wan22.ptLoRA 版Rank 128 / Alpha 128仅微调骨干目标模块 其他可训练模块libero_unified_wan22_lora_128.pt归一化统计LIBERO 数据集 state/action 统计量评估必带libero_dataset_stats.json 其他可训练 EasyWAM 模块与 LoRA 权重存放在同一个检查点文件中加载时必须使用匹配的_lora任务配方后文详述。完整指标与对比数据可参考项目说明文档 README.md。二、环境安装步骤从零到可运行1. 确认硬件与软件前提GPU显存建议 24GB 起步5B 骨干推理/评估Python3.10 及以上依赖EasyWAM 代码库、Wan2.2-TI2V-5B 相关依赖、LIBERO 仿真器2. 准备 EasyWAM 代码库本仓库只发布检查点训练与评估代码来自 EasyWAM 代码库训练框架同源。请先安装 EasyWAM再按其文档准备 Wan2.2-TI2V-5B 的依赖环境克隆 EasyWAM 代码库并安装依赖按 EasyWAM 官方Wan2.2 骨干配置指南docs/instructions/backbone/wan22.md准备 Wan2.2-TI2V-5B 骨干权重按 EasyWAM 官方LIBERO 评估指南docs/instructions/benchmark/libero.md搭建 LIBERO 仿真环境3. 下载本仓库的三个文件hf download OpenMOSS-Team/EasyWAM-Unified-Wan22 \ libero_unified_wan22.pt \ libero_unified_wan22_lora_128.pt \ libero_dataset_stats.json \ --local-dir ./checkpoints⚠️避坑提示libero_dataset_stats.json是归一化统计文件评估时必须通过EVALUATION.dataset_stats_path显式传入漏传会导致动作数值尺度错乱、成功率异常偏低。三、核心避坑点Wan2.2 骨干权重配置坑 1LoRA 检查点不包含完整骨干权重 这是新手踩坑率最高的一点。README 中有明确警告LoRA 检查点不包含完整的 Wan2.2 骨干。在加载或评估之前必须先下载所需的骨干权重并配置其路径。正确姿势分两步按 EasyWAM 的 Wan2.2 骨干指南下载Wan2.2-TI2V-5B 基础权重在任务配置中将骨干权重路径指向本地目录再加载 LoRA 检查点坑 2LoRA 检查点必须搭配_lora任务配方 LoRA 版本rank 128 / alpha 128与其他可训练模块打包在同一个.pt文件里因此必须使用匹配的libero_easywam_unified_wan22_lora任务配方加载用全参数配方加载 LoRA 文件或反之会导致权重加载失败或静默错配。坑 3state_position 固定为sequence本仓库检查点的 state token 放置方式为sequenceLIBERO 评估协议统一采用该设置。复现指标时无需也不应改动此项。四、跑通评估两条命令搞定# 全参数检查点 python experiments/libero/run_libero_manager.py \ tasklibero_easywam_unified_wan22 \ ckpt./checkpoints/libero_unified_wan22.pt \ EVALUATION.dataset_stats_path./checkpoints/libero_dataset_stats.json # LoRA 检查点 python experiments/libero/run_libero_manager.py \ tasklibero_easywam_unified_wan22_lora \ ckpt./checkpoints/libero_unified_wan22_lora_128.pt \ EVALUATION.dataset_stats_path./checkpoints/libero_dataset_stats.json默认协议会对全部四个 LIBERO 套件、每任务 50 次试验进行评估。多卡机器可追加MULTIRUN.num_gpusgpu数量将评估分发到多张 GPU显著缩短总时长。五、常见问题速查表现象可能原因解决办法加载 LoRA 检查点报缺失骨干权重未下载/未配置 Wan2.2-TI2V-5B 骨干按骨干指南下载权重并配置路径权重加载错配、任务行为异常LoRA 文件用了非_lora配方改用libero_easywam_unified_wan22_lora动作幅度异常、成功率骤降漏传归一化统计传入libero_dataset_stats.json评估速度慢单卡串行追加MULTIRUN.num_gpus多卡分发六、参考性能LIBERO 官方协议全参数版Spatial 98.4 / Object 98.8 / Goal 99.2 / LIBERO-10 98.0平均 98.6%与同骨干最优方案持平LoRA 版Rank 128Object 98.8 表现亮眼LIBERO-10 66.2平均 87.0%——LoRA 在长时程组合任务上仍有差距选型时请结合场景权衡七、写在最后新手跑通 EasyWAM-Unified-Wan22 的记忆口诀就三句话代码在 EasyWAM权重在本仓库LoRA 评估前先装 Wan2.2 骨干统计文件要显式传搞定这三点你的 LIBERO 评估流水线就基本不会出岔子了。更多细节许可证 CC BY-NC 4.0、引用格式等请查阅 README.md。Happy hacking! 【免费下载链接】EasyWAM-Unified-Wan22项目地址: https://ai.gitcode.com/OpenMOSS/EasyWAM-Unified-Wan22创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
新手入门 EasyWAM-Unified-Wan22环境安装与 Wan2.2 骨干权重配置避坑指南【免费下载链接】EasyWAM-Unified-Wan22项目地址: https://ai.gitcode.com/OpenMOSS/EasyWAM-Unified-Wan22EasyWAM-Unified-Wan22 是基于 Wan2.2-TI2V-5B 骨干训练的 World Action Model世界-动作模型开源检查点仓库。本文将带你完成环境安装、检查点下载与 Wan2.2 骨干权重配置的全流程并列出新手最容易踩中的 3 个坑帮助你一次跑通 LIBERO 评估。一、项目是什么5 分钟了解 EasyWAM-Unified-Wan22一句话介绍EasyWAM-Unified 使用单个 Video DiT同时表示并去噪视频 token与动作 token两种模态通过同一组自注意力层双向耦合实现了视觉想象 动作生成的统一建模。本仓库发布的是在LIBERO 机器人操作基准上训练的官方检查点核心能力一览检查点说明文件全参数版完整训练权重LIBERO 四套件平均成功率98.6%libero_unified_wan22.ptLoRA 版Rank 128 / Alpha 128仅微调骨干目标模块 其他可训练模块libero_unified_wan22_lora_128.pt归一化统计LIBERO 数据集 state/action 统计量评估必带libero_dataset_stats.json 其他可训练 EasyWAM 模块与 LoRA 权重存放在同一个检查点文件中加载时必须使用匹配的_lora任务配方后文详述。完整指标与对比数据可参考项目说明文档 README.md。二、环境安装步骤从零到可运行1. 确认硬件与软件前提GPU显存建议 24GB 起步5B 骨干推理/评估Python3.10 及以上依赖EasyWAM 代码库、Wan2.2-TI2V-5B 相关依赖、LIBERO 仿真器2. 准备 EasyWAM 代码库本仓库只发布检查点训练与评估代码来自 EasyWAM 代码库训练框架同源。请先安装 EasyWAM再按其文档准备 Wan2.2-TI2V-5B 的依赖环境克隆 EasyWAM 代码库并安装依赖按 EasyWAM 官方Wan2.2 骨干配置指南docs/instructions/backbone/wan22.md准备 Wan2.2-TI2V-5B 骨干权重按 EasyWAM 官方LIBERO 评估指南docs/instructions/benchmark/libero.md搭建 LIBERO 仿真环境3. 下载本仓库的三个文件hf download OpenMOSS-Team/EasyWAM-Unified-Wan22 \ libero_unified_wan22.pt \ libero_unified_wan22_lora_128.pt \ libero_dataset_stats.json \ --local-dir ./checkpoints⚠️避坑提示libero_dataset_stats.json是归一化统计文件评估时必须通过EVALUATION.dataset_stats_path显式传入漏传会导致动作数值尺度错乱、成功率异常偏低。三、核心避坑点Wan2.2 骨干权重配置坑 1LoRA 检查点不包含完整骨干权重 这是新手踩坑率最高的一点。README 中有明确警告LoRA 检查点不包含完整的 Wan2.2 骨干。在加载或评估之前必须先下载所需的骨干权重并配置其路径。正确姿势分两步按 EasyWAM 的 Wan2.2 骨干指南下载Wan2.2-TI2V-5B 基础权重在任务配置中将骨干权重路径指向本地目录再加载 LoRA 检查点坑 2LoRA 检查点必须搭配_lora任务配方 LoRA 版本rank 128 / alpha 128与其他可训练模块打包在同一个.pt文件里因此必须使用匹配的libero_easywam_unified_wan22_lora任务配方加载用全参数配方加载 LoRA 文件或反之会导致权重加载失败或静默错配。坑 3state_position 固定为sequence本仓库检查点的 state token 放置方式为sequenceLIBERO 评估协议统一采用该设置。复现指标时无需也不应改动此项。四、跑通评估两条命令搞定# 全参数检查点 python experiments/libero/run_libero_manager.py \ tasklibero_easywam_unified_wan22 \ ckpt./checkpoints/libero_unified_wan22.pt \ EVALUATION.dataset_stats_path./checkpoints/libero_dataset_stats.json # LoRA 检查点 python experiments/libero/run_libero_manager.py \ tasklibero_easywam_unified_wan22_lora \ ckpt./checkpoints/libero_unified_wan22_lora_128.pt \ EVALUATION.dataset_stats_path./checkpoints/libero_dataset_stats.json默认协议会对全部四个 LIBERO 套件、每任务 50 次试验进行评估。多卡机器可追加MULTIRUN.num_gpusgpu数量将评估分发到多张 GPU显著缩短总时长。五、常见问题速查表现象可能原因解决办法加载 LoRA 检查点报缺失骨干权重未下载/未配置 Wan2.2-TI2V-5B 骨干按骨干指南下载权重并配置路径权重加载错配、任务行为异常LoRA 文件用了非_lora配方改用libero_easywam_unified_wan22_lora动作幅度异常、成功率骤降漏传归一化统计传入libero_dataset_stats.json评估速度慢单卡串行追加MULTIRUN.num_gpus多卡分发六、参考性能LIBERO 官方协议全参数版Spatial 98.4 / Object 98.8 / Goal 99.2 / LIBERO-10 98.0平均 98.6%与同骨干最优方案持平LoRA 版Rank 128Object 98.8 表现亮眼LIBERO-10 66.2平均 87.0%——LoRA 在长时程组合任务上仍有差距选型时请结合场景权衡七、写在最后新手跑通 EasyWAM-Unified-Wan22 的记忆口诀就三句话代码在 EasyWAM权重在本仓库LoRA 评估前先装 Wan2.2 骨干统计文件要显式传搞定这三点你的 LIBERO 评估流水线就基本不会出岔子了。更多细节许可证 CC BY-NC 4.0、引用格式等请查阅 README.md。Happy hacking! 【免费下载链接】EasyWAM-Unified-Wan22项目地址: https://ai.gitcode.com/OpenMOSS/EasyWAM-Unified-Wan22创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
