Long-WAM 扩展世界-动作模型上下文

Long-WAM 论文作者提出在实时控制约束下扩展因果世界-动作模型上下文的模型-系统框架，并报告实验结果：在 RoboCasa GR-1 上，把上下文从 0.0 秒增至 19.2 秒使成功率从 63.3% 升到 78.7%，但用双向预训练初始化的模型没有净提升——作者据此称，访问历史不等于使用历史，更长历史只有在视频底座经自回归预训练时才显著见效。 在 RTX 5090 上，每个动作块（含未来视频隐变量预测）耗时 107.4 毫秒；框架在 Unitree G1 与 YAM 上完成实时部署，支持动态与长时程操作，其中动态叠杯任务成功率 95%，而 Pi0.5 与 Fast-WAM 在 20 次试验中均未成功。

AI 根据报道生成 · 5 小时前更新