以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
World Action Models (WAMs) use the predictive knowledge of pretrained video diffusion models for robot control through future video prediction. However, iterative video denoising is costly, and inaccurate visual predictions can compromise action prediction. Our key idea is to make this predictive knowledge available th
阅读原文 · Jaehyeong Jo, Sangwon Jang, Sihyun Yu, Seonghyeon Ye, Yekyung Nah, Hojung Jung, Kimin Lee, Sung Ju Hwang
向阳乔木 · opencode-go/deepseek-v4.1-flash
视频扩散模型能给机器人当"想象引擎"，但每步都要迭代去噪，代价太高。这篇论文想做的事很直接： 把"想象未来"换成"直接编码当下" ，让 14B 的骨干网络跑出 11Hz 的实时闭环控制。 如果这个数字站得住，它解决的是 WAM 路线落地时最现实的一道坎。 这篇论文想解决什么 World Action Models 的思路是借预训练视频扩散模型的预测能力来指导...