RM-WAM：面向长时程机器人操作的可信记忆增强世界动作模型

RM-WAM 是一种记忆增强的世界动作模型，用短期视觉状态记忆与潜在事件记忆表示历史，并通过反事实记忆学习让模型估计历史记忆的上下文相关效用，再由效用感知门控机制自适应控制记忆注入世界-动作主干。该方法针对长时程操作中视觉相似状态对应不同交互历史与任务阶段的问题，避免陈旧、阶段错配或受错误污染的历史信息导致世界预测失准与闭环误差累积。