https://auto-driving-blog.pages.dev/tags/-%E6%B7%B1%E5%BA%A6%E8%A1%A8%E5%BE%81/ Recent content in 📐 深度表征 on Elon's AD Insight https://auto-driving-blog.pages.dev/images/share.png https://auto-driving-blog.pages.dev/images/share.png Hugo zh-cn Wed, 21 Oct 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/paper-reading/prismwam%E7%B2%BE%E8%AF%BB/ Wed, 21 Oct 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/paper-reading/prismwam%E7%B2%BE%E8%AF%BB/ 清华 & NVIDIA《PrismWAM: Decoupling State Representations in World Action Models》精读：WAM 都拿视频模型的 latent 当「世界状态」，可视频 latent 把「桌子什么颜色」（语义，动作改不动）和「物体在哪儿」（物理状态，动作唯一能改变的东西）搅在一起。PrismWAM 把任务拆成 语义规划 → 物理推演 → 可执行动作：RGB 流只远观一张目标图当训练期老师，深度流管细粒度状态演化，动作塔只看深度 rollout。不用任何具身动作预训练，仅 2,300 小时深度数据，RoboTwin-C2R 均值 70.57%（15B 的 PrismWAM* 达 83.67%），RoboDojo 得分 36.23 超过 OpenWAM-α 与 10 万小时级的 Xiaomi-Robotics-1。本文逐张讲解全部 6 张图并附完整结果表。