TY  - UNPB
TI  - Long-WAM: Scaling the Context of World-Action Models
UR  - https://arxiv.org/abs/2610.10528
DO  - 10.48550/arXiv.2610.10528
DA  - 2026-10-07
KW  - Juju Radar
KW  - 机器人
KW  - 世界动作模型
KW  - 补看
KW  - 待阅读
N1  - Long-WAM先在机器人和第一视角视频上做自回归预测预训练，再适配动作任务，让长视觉历史服务于未来动作。作者报告RoboCasa GR-1的历史从0增至19.2秒时成功率63.3%增至78.7%；双向预训练底座延长历史无净收益。RTX 5090每段动作约107.4ms和动态叠杯95%均是作者特定条件结果，尚待跨场景独立复测。论文10月7日17:58 UTC提交，超出10月9日期严格窗口，作为近期补看。  原文：https://arxiv.org/abs/2610.10528 代码：https://github.com/NVlabs/LongLive/tree/main/Long-WAM 本期资料页：https://www.asteronline.cn/juju-radar/2026-10-09/ AI辅助整理。
ER  -