企业官网建设流程全解析

本文面向新手，手把手带你跑通 EasyWAM-Hidden-Wan22-LoRA-128:从零搭建 LIBERO 评估环境,下载基于 Wan2.2 训练的 LoRA-128 世界动作模型检查点,并在 4 套任务上复现 93.9% 的平均成功率。

🤖 什么是 EasyWAM-Hidden-Wan22-LoRA-128?

一句话理解:这是一个让视频生成模型"看懂并控制"机械臂的**世界动作模型(World-Action Model)**检查点。

核心参数一览:

相比全参数微调,LoRA 只更新少量低秩参数,存储与下载成本大幅降低,而效果非常接近全参数版本。完整检查点信息见 README.md。

📊 先看结果:为什么 93.9% 值得你亲手复现

在 EasyWAM 官方 LIBERO 评估协议下,各模型在 4 套任务套件上的成功率(%)如下:

💡 在同样的 LoRA rank 下,EasyWAM-Hidden 架构是三者中最强的,其中 Long(长时序任务)套件比其他两种 LoRA 方案高出 5~6 个百分点。

🛠️ 环境搭建:LIBERO 评估环境 3 步就绪

第一步:克隆检查点仓库

git clone https://gitcode.com/OpenMOSS/EasyWAM-Hidden-Wan22-LoRA-128 cd EasyWAM-Hidden-Wan22-LoRA-128

评估脚本与依赖来自EasyWAM 代码库,请按其官方说明克隆并安装依赖。

第二步:准备 Wan2.2 主干与 LIBERO 数据

按照 EasyWAM 的 LIBERO 官方指南完成三项准备:

1. 下载Wan2.2-TI2V-5B模型权重;
2. 搭建LIBERO环境及其 4 套任务套件(Spatial / Object / Goal / Long);
3. 放置配套的dataset_stats.json统计文件。

第三步:获取 LoRA 检查点文件

方式一:上一步克隆的仓库中已包含检查点 easywam_hidden_wan22_lora_128.pt,直接复制到./checkpoints/即可。

方式二:只单独下载该.pt文件:

hf download OpenMOSS-Team/EasyWAM-Hidden-Wan22-LoRA-128 \ easywam_hidden_wan22_lora_128.pt \ --local-dir ./checkpoints

🚀 一条命令跑评估:复现 93.9% 成功率

环境就绪后,只需运行:

python experiments/libero/run_libero_manager.py \ task=libero_easywam_hidden_wan22_lora \ ckpt=./checkpoints/easywam_hidden_wan22_lora_128.pt

工作原理:EasyWAM 加载该检查点时,会根据任务配置自动创建匹配的 LoRA 模块并在加载时完成合并,无需你手动指定 LoRA 注入位置——只要task与ckpt两个参数传对,就能直接开跑。

评估会依次执行 Spatial、Object、Goal、Long 四套任务,分别输出各套件成功率与平均成功率,可与上表对照验证。

❓ 常见问题 FAQ

Q1:复现出来的成功率与 93.9% 有偏差,正常吗?先确认task配置、检查点路径与dataset_stats.json版本完全一致;任务执行本身带有随机性,个别套件出现小幅波动属于正常现象。

Q2:LoRA 版本和全参数版本该选哪个?全参数 EasyWAM-Hidden 的 LIBERO 平均成功率达 98.6%,本检查点(LoRA 128)为 93.9%,差距很小但存储与部署成本低得多。若显存、带宽有限,推荐本检查点。

Q3:许可证有什么需要注意的?EasyWAM 代码以 MIT 协议发布;本检查点遵循 CC BY-NC 4.0(非商业)协议,且使用时还受基础模型与训练数据条款约束,商用前请仔细阅读 README.md 的 License 部分。

📁 仓库文件速览

总结:EasyWAM-Hidden-Wan22-LoRA-128 用仅 20,000 步的 LoRA 微调,就在 Wan2.2-TI2V-5B 主干上达到了 93.9% 的 LIBERO 平均成功率,是低成本部署世界动作模型的高性价比选择。按本文三步搭建环境 + 一条评估命令,即可完成完整复现。