WALL-WM: Carving World Action Modeling at the Event Joints

核心要点

问题/背景

现有 World Action Models 常用固定长度 action chunks，但语言描述的是语义目标和事件，视觉则连续演化，二者粒度不匹配。

方法/机制

WALL-WM 把 semantically coherent action events 作为学习原子，将 WAM 从 chunk-centric optimization 转向 event-grounded VLA pretraining。

结果/证据

它值得收录，因为这是 world action model 的问题重定义，有望影响 embodied world models 和机器人动作表示。

收录价值

按当前收录规则，它属于近期值得正式跟踪的可复用方法或系统模式；但作为新近预印本，后续仍需要代码、复现和真实部署结果来确认长期影响。