机器人不必每一步都预演未来:Bind-WAM用语言与物体的绑定不确定性决定何时想象,LIBERO平均成功率98.60%
世界动作模型(WAM)把未来画面和动作一起预测,但每一步重规划都生成未来代价高,也未必必要。Bind-WAM把“语言指令中的角色是否稳定落在当前画面的物体上”作为可解释信号:离线流程用完整示范标注参考错配、目标不可见和身份漂移,训练一个约6.65M参数的轻量路由器,在线据此在直接动作预测与联合未来-动作去噪之间切换。在LIBERO上,Bind-WAM平均成功率98.60%,仅在40.58%的重规划状态调用联合路径,平均完成时间从Fast-WAM-Joint的15.73秒降到11.71秒。