OSWAM：一步动作生成的世界动作模型

OSWAM 通过构建 imagination tokens 初始化扩散过程，为随机噪声注入结构化动作先验，使直接策略世界动作模型仅需一步扩散即可生成高质量动作序列。在自动驾驶与具身控制任务中，其效果与需数十步的直接策略 WAM 和 Joint-WAM 相当或更优，速度提升约 3 倍，并在 NVIDIA RTX 5090 GPU 上实现低至 40ms 的实时编译推理延迟。