DualWAM：用于异步全局规划和局部细化的双系统世界行动模型

世界动作模型 (WAM) 共同生成机器人动作并预测未来的世界状态，将先验从视频预训练转移到机器人控制。然而，未来的视觉预测在计算上是昂贵的，因此现有的 WAM 通常依赖于长动作块来分摊控制步骤之间的推理成本，而代价是闭环响应能力。我们提出了 \ 方法，这是一种双系统 WAM，它可以保留更广阔视野的世界动作生成，同时通过解耦全局规划和局部细化来实现高频闭环动作更新。 \systwo 定期对更广泛的世界动作块执行高噪声双向去噪，以建立全局计划，而仅限手腕的 \sysone 从中间去噪状态中提取时间对齐的短窗口，并使用最新的手腕观察完成低噪声细化，这些观察提供了有关交互过程中局部几何、运动和接触的动作对齐线索。这两个系统沿着共享的去噪轨迹异步运行：每个全局计划在多个本地更新中重复使用，而 \sysone 反复合并新的交互反馈。在 Franka 和 Galbot 的零样本操作任务中，该方法比最强评估基线的成功率平均提高了 4.5 个百分点，同时实现了 16.6 倍的关键路径加速。进一步的研究表明，角色匹配的自我中心和 UMI 数据将成功率提高了 14 个百分点，并且解耦设计自然支持边缘云部署，通信开销比基线低得多。