研究团队提出因果世界动作模型CWAM

2026年11月2日，Juntao Cheng等人在arXiv发表题为《CausalWAM：在世界动作模型中分离动作因果与场景预测》的论文。该研究提出因果世界动作模型（CausalWAM，简称CWAM），旨在解决传统世界动作模型中动作生成与场景预测耦合的问题，通过引入稀疏路由路径将二者分离。 CWAM的核心机制是在预训练的世界动作模型动作头部添加稀疏路由路径，同时保持世界建模目标不变。该方法证明在稀疏约束下，动作潜变量仅依赖于动作相关潜变量，且无需假设时间依赖性，从而实现了因果关系的明确分离。 研究团队在合成数据与真实机器人实验中对CWAM进行了验证，结果证明该理论有效。实验表明，该模型不仅实现了因果解耦，还显著提升了机器人的闭环执行效率，为具身智能领域的模型优化提供了新路径。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。