自变量开源 Wall-OSS-0.5，全球领先首次实现"预训练"比肩"后训练"

自变量今日正式开源具身基础模型 Wall-OSS-0.5，称其在全球范围内首次实现无需针对下游任务后训练，预训练模型即可直接部署到机器人上，完成搬运、分拣、堆叠、整理绳索等多种真实操作任务，部分零样本泛化表现接近常规微调水平。 Wall-OSS-0.5 的核心改进包括：通过 Gradient-bridge 让动作监督直接反传进主干模型，使“看-说-动”统一到同一表征；采用视觉对齐的动作分词器，让动作 token 同时表达动作压缩与视觉变化；将 flow matching 损失改为在动作空间监督，减少对无关高频抖动的拟合；并通过 DMuon 优化器将 Muon 引入大规模训练的额外开销从 2x 降至 0.02x。 在十余个真实机器人任务对比中，Wall-OSS-0.5 在操作与推理任务上领先 π0.5 等开源模型，且多模态理解能力未因动作训练下降。自变量已开放模型权重、训练代码、训练配方、消融实验及底层优化器。