復旦發布「世界動作模型」綜述　勾畫具身智能新前沿

從 VLA 到 WAM

具身智能的目標，是構建能在非結構化物理環境中感知、推理與行動的機械人。當前主流的視覺語言動作（VLA）模型展現了通用策略學習的潛力，但本質上仍屬被動學習。

VLA 模型無法預測環境在干預之後的未來狀態，機械人只能照搬學到的策略，缺乏對物理後果的想像力。世界動作模型正是針對這一短板提出的統一框架。