机器人要在物理世界里做事，至少需要两块能力：一块是世界模型，用来预测自身动作会怎样改变场景；一块是策略，用来选择那些动作。现有模型通常只按其中一种角色来构建和评测，各家机器人记录动作的格式也不统一。GreenWAM 要问的是：一份机器人世界模型能否跨不同机身同时承担这两种角色，以及什么条件会让这件事成立。
共享解剖空间与可拆分策略
配方有三步。其一，用一套共享解剖动作空间，把二十个机器人家族——从双臂机械臂到灵巧人形——描述成同一套关节坐标。其二，在这些家族上联合训练，覆盖视觉、动作条件生成和世界-动作三种模式。其三，策略从生成器上拆出动作专家，而不是另训一套网络。世界预测和动作选择因此共享骨干，只在输出端分叉。摘要没有给出三种模式的数据配比或损失权重，因此还不能判断哪一种模式在起决定作用。
仿真榜单与真机适配
作为世界模型，GreenWAM 在 WorldArena 1.0 上轨迹、深度和三维精度处于第一档，超过作者比较的全部世界-动作模型和视频生成器。作为策略，它进入 RoboTwin 2.0 榜单前列，在所比较方法中取得最高的零样本 LIBERO-plus 成功率，并在 CALVIN 与 LIBERO 上与专用视觉-语言-动作及世界-动作策略处于同一竞争区间。进一步适配到真实人形后，成功率高于从 π0.5 和 Cosmos 3 Edge 适配的策略，并被蒸馏成单步策略以做实时控制。受控实验写明的一条发现是：机器人特化会同时改进世界预测与控制。其余发现在给定材料中被截断，此处不补写。
我的判断
这条工作的价值，是把跨本体世界模型和可拆出的策略绑在同一套解剖动作表示上，问题定义比「再刷一个操作成功率」更清楚。对同时做场景预测和真机控制的团队，统一关节坐标可能减少格式翻译和重复训练。适用边界同样明确：领先只相对于作者给出的比较集合；真机证据目前只有一个人形适配；单步蒸馏后的精度损失和时延，摘要没有给出。材料在第三条实验发现处中断，失败模式、非常规末端是否进得了该动作空间，都无法从现有文字核实。完整细节补齐前，更宜视为统一建模路线，而非可替换专用策略的现成方案。