DSWAM：用于细粒度机器人操作的双系统世界动作基础模型

针对现有世界动作模型（WAM）缺乏语言级规划接口以分解复杂多步目标的问题，本文提出 DSWAM。该模型采用双系统架构：默认使用 System 1 WAM 执行器进行控制，仅在需要时激活 System 2 视觉 - 语言子任务规划器，将全局指令分解为可执行的细粒度子任务。通过在匹配的真实机器人设置下与 VLA 策略进行公平对比，并结合 TensorRT 加速与实时分块技术，验证了其在细粒度操作任务中的有效性与实用性。