AHA-WAM

AHA-WAM 是一种面向机器人操作的异步世界-动作建模框架，专为长时序世界理解与高频闭环动作控制协同设计。其核心采用解耦架构：低频视频扩散Transformer（video-DiT）作为世界规划器生成可复用的长程场景上下文，高频动作扩散Transformer（action-DiT）作为执行器输出短时动作序列；通过观测引导的上下文路由（OVCR）机制，利用最新观测动态更新世界上下文，避免重复计算；支持相位偏移训练以提升流式部署鲁棒性。适用于具身智能、仿真到现实迁移（Sim2Real）、机器人孪生（RoboTwin）等需兼顾世界建模精度与控制实时性的场景。