Long-WAM：扩展世界-动作模型上下文，实时机器人控制成功率提升至 78.7%

Long-WAM 是一个用于扩展因果世界-动作模型上下文的模型-系统框架，核心发现是视频基座采用自回归预训练时，更长历史才真正带来收益。在 RoboCasa GR-1 基准上，上下文从 0.0 秒增加到 19.2 秒，成功率从 63.3% 提升到 78.7%，而双向预训练初始化没有净增益。Long-WAM 在 LIBERO-Long、RoboTwin 2.0 和 DOMINO 上取得对比方法中的最佳结果，RTX 5090 上每个动作块耗时 107.4 毫秒。实际部署在 Unitree G1 和 YAM 上，动态杯子堆叠任务成功率达 95%，而 Pi0.5 和 Fast-WAM 在 20 次试验中全部失败。