CausalWAM：在世界动作模型中学习动作的因果来源

研究提出 CWAM（Causal WAM），在预训练世界动作模型的动作头上增加稀疏路由路径，把动作相关隐变量与世界建模所依赖的其他变量分离，世界建模目标保持不变。作者证明在稀疏约束下，用于生成动作的隐变量仅是动作相关隐变量的可逆函数，真实结构可识别到隐变量置换，且不依赖充分时间依赖或未观测状态演化假设。合成数据与真实机器人实验验证了该理论，并显示闭环成功率效率提升。