EWAM：一种用于具身智能闭环在线自适应的增强世界动作模型

本文提出增强世界动作模型（EWAM），这是一种基于预训练且冻结的 Cosmos3 骨干网络的闭环在线自适应架构。该方法旨在零样本任务协议下，减少适应新任务布局所需的额外部署数据，无需微调或特定演示。其性能提升源于推理时的协同推理机制，包含四个轻量级神经层：位于扩散变压器中间的神经经验记忆层提供执行上下文；状态预测头后的神经异常检测层实时监控状态偏差；神经策略路由层根据异常严重程度动态选择执行、重规划或回滚；神经动作修正层利用诊断信息优化动作块。这些模块以可微方式深度集成到前向路径中。