Rolling-WAM 把联合去噪摊到多个重规划周期，在 LIBERO 达 98.1%、RoboTwin 2.0 达 93.3%，并相对标准联合 WAM 取得 4.5 倍稳态重规划加速
Rolling-WAM 提出一种滚动式世界动作模型：在滑动窗口内维持处于不同噪声水平的视频-动作块，每个重规划周期只把即将执行的动作块完全去噪、同时部分精修更远的未来块，从而把联合去噪计算分摊到多个控制周期；在 LIBERO、RoboTwin 2.0 与 Unitree G1 真机人形任务上取得有竞争力的操作成功率，并相对标准联合 WAM 实现 4.5 倍稳态重规划加速。