Long-WAM 解析：用自回归视频预训练做长程机器人决策

Long-WAM 通过自回归视频预训练学习视觉动态，并用非对称因果注意力连接视频与动作专家，实现基于历史信息的长程决策。其做法是在潜空间预测未来帧，结合历史信息生成动作块，支持流式编码与异步执行。