面向世界动作模型的事件对齐视觉动作推理框架

研究者提出事件对齐的视觉动作推理框架，让 World-Action Models（WAMs）围绕交互事件组织视觉-动作预测，在任务关键事件上做细粒度推理、在过渡环节做粗粒度推进，并引入执行有效性头识别预测动作序列中的有效部分以避免分块推理中的冗余动作。