HarmoWAM：通过自适应世界动作模型协调泛化性与精确操作

arXiv 2026 52.2 method

TLDR

HarmoWAM通过世界模型统一预测与反应控制，实现可泛化且精确的机器人操作。

评分理由

The paper clearly identifies a trade-off between two WAM paradigms and proposes a novel architecture with predictive and reactive experts and a gating mechanism. However, the abstract lacks explicit mention of real-world experiments or benchmarks, and the evaluation details are not provided, limiting assessment of empirical validity.

Read-first 评分解释

综合优先阅读分 52.2，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 42。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

引用影响力 18%

72.6

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.72616031

主题相关性 29%

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：评估、实验

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：279。

关键词评分

world model

world dynamics prediction

video world model

interactive world model

model-based reinforcement learning world model

generative world model

world simulator

深度分析

创新点

观察到世界动作模型中“先想象后执行”与“联合建模”两种范式之间的基本权衡
提出HarmoWAM，一种端到端的世界动作模型，通过世界模型统一预测与反应控制
设计两个互补的动作专家：利用潜在动力学进行迭代动作生成的预测专家，以及从预测视觉演化中直接推断动作的反应专家
提出过程自适应门控机制，实现专家之间的自适应协调
在六个真实世界机器人任务中展示强大的零样本泛化能力，涵盖背景、位置和物体语义变化，相比先前最先进的VLA模型和WAM分别提升33%和29%

方法

HarmoWAM使用世界模型提供时空物理先验，条件化两个互补的动作专家：预测专家利用潜在动力学进行迭代动作生成，反应专家从预测的视觉演化中直接推断动作。过程自适应门控机制自动决定专家之间切换的时机和位置。模型在六个真实世界机器人任务上评估，涵盖三个训练未见测试环境，包括背景、位置和物体语义变化。

关键结果

HarmoWAM在未见测试环境中实现了强大的零样本泛化，相比先前最先进的VLA模型和WAM分别显著提升33%和29%。

技术栈

World Action Modelsvideo predictioninverse dynamicsjoint modelingend-to-end learningspatio-temporal physical priorspredictive expertreactive expertProcess-Adaptive Gating MechanismVLA models

资源

论文