CtrlWAM：带对齐意图与前瞻的可控世界动作模型

CtrlWAM 在仿真器中执行扰动动作并配对其带噪视觉后果，实现联合世界动作模型学习；采用 warped video-action noise schedules 保持视觉布局对动作预测的响应性，并将动作接口从单智能体扩展为可变数量智能体流。驾驶实验显示动作预测更准确、生成视频与动作一致性更高、命令跟随更好；机器人实验展现更强的运动保真度与可控性。