#VAE (2)

提出视频生成式世界-动作模型的通用后训练方法，保留 VAE 潜空间的生成路径并添加轻量语义前瞻对齐目标，用可学习查询 token 将未来场景语义引入动作流，使动作基于外观不变的动态表示，在 OOD 泛化仿真和真机上持续提升多种 WAM 基线成功率。

提出基于力觉记忆的 VLA 模型，用 VAE 将力时序编码为紧凑记忆 token，注入动作专家模块，使模型能利用累积接触事件历史引导非马尔可夫接触丰富操作，在隐藏方块、按钮按压、擦拭盘子三个记忆依赖任务上超 80% 成功率。