LaWAM

LaWAM 是一种面向机器人控制的潜空间世界动作模型，通过在冻结视觉特征空间中预测未来观测表征，并将其作为潜视觉子目标注入策略网络，实现动态感知型动作生成。其核心采用两阶段架构：先学习潜世界模型，再基于潜视觉子目标进行策略微调；支持多任务泛化，在 LIBERO 和 RoboTwin 等仿真操作基准上验证了高效性与鲁棒性。适用于具身智能、仿真到现实迁移、长时序机器人任务规划等需要显式动力学建模与视觉-动作协同的场景。