EVO-WAM：世界动作模型通过自我想象与验证实现无专家示范进化

EVO-WAM提出一种让世界动作模型（WAM）依靠自身生成的视频和动作轨迹进行迭代进化的方法，无需新增专家示范或环境试错。该框架通过视觉语言模型判断任务完成度，并利用逆动力学模型验证动作与画面的一致性，筛选出可靠经验用于微调。实验显示，经过四轮自训练，Cosmos3模型在七个未见仿真任务上的平均成功率从26.9%提升至68.0%，在三个真机长时序组合任务上从20.0%提升至76.7%。