冻结的模仿策略不再重训：A2WM 用动作仿射世界模型把平均成功率从 27.18% 提到 59.51%
模仿策略执行中的小误差会累积导致失败，而此前的修正要么依赖在线强化学习，要么需要昂贵的在线规划。A2WM 从冻结策略的动作扰动轨迹中离线学习局部动作响应，把任务相关几何预测为名义轨迹加对修正的线性响应，从而把在线修正化为一次模型评估加一次凸二次规划求解。在四个仿真操作任务上，它取得所评估基线中最高的平均成功率，从 Diffusion Policy 的 27.18% 升至 59.51%，每控制步平均修正开销 3.8 毫秒，不含基础策略采样。