GAWM：面向多任务机器人操作的紧凑潜在世界-动作模型

GAWM 是一个参数量不足 100M 的紧凑多任务世界-动作模型，在冻结的 DINOv3 编码器潜在空间中预测未来观测，无需机器人与视频预训练。它在 RoboTwin 2.0 上超过十亿参数级 WAM，在 LIBERO 上与十亿参数级 VLA 表现相当；在双臂机器人上动作预测误差低于微调的十亿参数 VLA，推理延迟显著更低。消融实验显示，训练数据或训练时间受限时，潜在世界模型能明显提升性能。