**CausalWAM：从世界动作模型中分离动作成因，提升闭环效率**

_CausalWAM: Learning the Causes of Actions in World Action Models_

> 针对世界动作模型（WAM）在演示学习中常将动作相关变量与干扰变量纠缠的问题，研究提出了 CausalWAM。该方法通过引入稀疏路由路径，将动作生成机制与场景预测解耦，证明了在稀疏约束下可唯一识别动作成因变量。实验表明，该模型在保持世界建模目标不变的同时，显著提升了真实机器人在闭环控制中的成功率。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-02 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.42096)