arXiv · cs.AI· Wei Huang, Bohan Zhang, Chenzhi Liu, Isabella Liu, Shuai Yang, Weian Mao, Luozhou Wang, Yicheng Xiao, Weifeng Lin, Qixin Hu, Bryan Chu, Sifei Liu, Linxi Fan, Xiaojuan Qi, Song Han, Yukang Chen·· 18 小时前
Long-WAM在实时机器人控制中扩展世界—动作模型上下文
Long-WAM: Scaling the Context of World-Action Models
arXiv:2610.10528v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Wei Huang, Bohan Zhang, Chenzhi Liu, Isabella Liu, Shuai Yang, Weian Mao, Luozhou Wang, Yicheng Xiao, Weifeng Lin, Qixin Hu, Bryan Chu, Sifei Liu, Linxi Fan, Xiaojuan Qi, Song Han, Yukang Chen
首次提交：2026-10-08 01:58
研究任务与主要进展
Long-WAM通过流式观测编码、异步执行和硬件特定加速，在实时机器人控制约束下扩展因果世界—动作模型的视觉上下文。基于论文摘要，在RoboCasa GR-1上将上下文从0.0秒增至19.2秒，成功率从63.3%升至78.7%，而双向预训练初始化没有净增益。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org