CSWAM 论文引入 V-JEPA 2.1 因果语义专家，提升世界动作模型分布外泛化

论文提出 CSWAM，在 FastWAM 上增建基于 V-JEPA 2.1 的因果语义专家，提升世界动作模型分布外泛化。V-JEPA 提供时间上有根据的语义状态变化与运动表征，降低外观依赖，并通过因果注意力把历史上下文共享给视频流与动作流。在仿真与真实机器人评估中，具身预训练后 CSWAM 泛化表现提升，同时保留高效 action-only 推理。