PEWAM把演示编译成可编辑效应程序，跨机器人执行的世界行动模型

机器人能否仅从单条演示中提取与执行者无关的物体效应程序，并用同一模型实现可编辑、可跨本体、抗干扰的任务执行？

演示同时记录物体变化和特定手臂动作。现有系统要么复制演示者动作，要么从语言或视频生成物体运动并用规划器或控制器执行，任务与单个身体绑定，无法编辑或迁移到其他机器人。

此前方法包括UWM、Instant Policy、ATM、Zero-WAM等世界行动模型或演示条件策略，它们以视频帧、点云、点轨迹或语言作为任务接口，均保留演示者动作。基于物体运动的方法如Im2Flow2Act需要单独生成模型和策略，且未提供可编辑的坐标级接口。

PEWAM将演示编译为效应程序：物体关键点轨迹（H=16，每实体9点加2接触点）和终态，不含机器人信息。用单DiT（8层，d=512，8头，71.5M参数）同时建模效应、执行、动作、终态四个流，每个流独立flow-matching时间，训练时随机选择条件组合。推理时钳制E和G并采样R和A即为编程。闭环中以指针匹配现场关键点，并用机器人导致的效应作为进度门控。接触点存储为坐标点而非仿射权重。

在LIBERO-Goal三个留出任务共90回合中，单条演示程序完成40回合，同骨干加目标图或语言及已发表演示条件方法最多完成19回合。在Meta-World留出类shelf-place、sweep-into、bin-picking上分别达到22.2%、100%、52.2%，超过所有已发表结果，但五类平均低于DAMI（ML10: 49.8对56.8，ML45: 34.0对37.5）。同一程序在Panda、IIWA、Kinova3、UR5e四个仿真臂上分别完成27/30、24/30、22/30、16/30碗任务。5厘米推动后重求解完成23/60，重放演示完成6/60。真实Franka臂用单条人类视频编译程序，微调后完成36/40试验，目标图像条件为22/40。编辑终态平移实现斜率0.71，接触点旋转平均实现0.68倍指令旋转。RLBench留出24任务中完成160/720，低于Instant Policy的575/720。

作者承认：对几乎不移动物体的效应（如拧旋钮）难以指定；指针和门控是手工规则；实体为刚体盒，多数关键点来自仿真器状态；演示者动作仍有效时复制更强；RLBench上专用方法领先；多数单元格为单次训练30回合，重复可能波动。论文未报告代码是否开源。此外，大部分评估在仿真中，真机仅40次试验，跨本体迁移依赖操作空间控制器。