UniW(A)M：用于世界模型与世界-动作模型的统一混合专家框架

世界模型（WMs）和世界-动作模型（WAMs）分别专注于未来世界预测和可执行动作生成。尽管这些模型都从具身轨迹中学习共享的物理动力学与交互语义，但它们通常是孤立训练的，从而限制了预测与控制之间的知识复用。因此，核心挑战在于开发一种统一的学习框架，在共享这些动力学的同时，保留每种范式所需的独特建模能力。我们提出了 UniW(A)M，一种基于扩散 Transformer 构建的混合专家世界（动作）模型，将动作条件世界建模与多种 WAM 变体统一起来。共享专家负责捕获共同动力学，而原子能力专家则跨接口复用，使每个接口都保留自身的条件路径。在部署时，即插即用的自适应接口路由器（PAIR）从目标任务分块场景的一小部分中学习，为每个执行分块选择合适的 WAM 接口，在保持骨干网络冻结的同时，平衡任务成功率与执行效率。我们在 LIBERO、RoboTwin 2.0 以及三个真实世界操作任务上评估了 UniW(A)M，其真实世界平均成功率达到 88.3%，而最强基线为 76.7%。在 WorldArena 上，它在全部三个任务的动作条件世界建模中均取得领先。AC-WM 联合训练为每个动作接口的动作生成都带来了提升，而 PAIR 则将 OOD 成功率从 63.3% 提高到 76.7%。