世界动作模型的选择性跨视图一致性：没有测试时相机信息的保留视点鲁棒性

世界动作模型（WAM）联合对未来视频帧和机器人动作进行去噪，并且视频先验有望概括它们的控制。相机视点变化仍然是最难的扰动轴之一。我们研究该模型类特有的一个问题：当使用相同状态的跨视图图像对进行训练时，应该在哪个输出坐标上施加一致性损失？ WAM 去噪目标将视图协变坐标（即预测的未来场景）与视图不变坐标（即动作块、未来本体感受和值）混合在一起。我们证明，应用于协变块的一致性被证明是有害的，会将合法的特定于视图的内容缩小到其真实值的 $1/(1+4λ)$ 的一小部分，并且我们在受控实验中验证了这种缩小定律。因此，选择性跨视图一致性（SCVC）仅约束不变块，在训练或测试时不需要相机标签、外部因素、深度或视图合成，并且使部署接口保持不变。我们在 LIBERO-Plus 相机轨道上引入了一种雕刻和保留评估协议，该协议将分布匹配上限与真实插值和外推到保留视点分开，并使用匹配配对训练控制将一致性项的影响与配对曝光隔离开来。在超出训练包络线的保持轨道视点上，SCVC 将匹配控制的闭环成功率提高了 12.2 个点（95% CI [7.4, 17.0]；+15.5，CI [11.7, 19.4]，在独立的第二个种子下）——另外两个相机轴复制的效果——而包络内的插值显示任一种子都没有增益（-1.2 和 -4.3 点），并且保留了分布能力（-0.6，-0.2）。我们还报告了一项跨主干审计，显示已发布的相机稳健性数据受到手腕相机姿势稳定性的影响。