DreamZero新增

NVIDIA 2026-02 提出的 World Action Model（论文 World Action Models are Zero-shot Policies，arXiv 2602.15922）。主题页：具身智能与机器人基础模型（VLA / WAM）、世界模型；资料页：VLA vs WAM 深度调研（2026-10，ChatGPT Deep Research 二手报告）。

要点

• ✅ 摘要一致：14B 自回归视频扩散模型，基于预训练图生视频骨干，联合预测未来视频与动作；真机实验中新任务/新环境泛化比 SOTA VLA 高 2× 以上；经模型与系统优化实现 7 Hz 实时闭环；来自其他机器人或人类的 10–20 分钟纯视频示范使未见任务表现相对提升 42% 以上；30 分钟 play 数据即可适配新本体 Grok Bot 对话
• 待核实（报告数字）：朴素推理约 5.7 s/动作块；靠异步执行、并行 CFG、DiT 缓存优化；48 步动作块在 30 Hz 下覆盖 1.6 s；视觉上下文约 6.6 s Grok Bot 对话
• 报告的定位：像素/视频 WAM 的代表，也最能说明视频 WAM 的部署难度 Grok Bot 对话