港科广UniWAM：把VLA和WAM融合进同一Transformer，仿真真机双SOTA

港科广团队提出UniWAM，用MoT混合Transformer架构把物理推理、未来视觉生成与动作预测整合到一个模型，基于Qwen3-VL-2B-Instruct、Wan2.2-TI2V-5B骨干及动作预测器三大专家模块，配合EgoANT人类第一视角视频自动标注流水线，在人类数据、机器人演示与VQA数据上联合预训练。