知识卡片：CoWAM——基于世界动作模型的协调合约选择性策略干预

一句话结论

CoWAM提出一种可选择的策略干预层，通过将同步性、角色兼容性和碰撞收敛表达为“协调合约”，仅在备选动作满足所有义务且带来清晰、低风险改进时才替换机器人默认动作，否则保留默认动作或进入弃权回退。在八个仿真双手任务中，CoWAM提升了协调有效选择和闭环成功率，并将有害干预率控制在1%以下。

事件概述或研究问题

世界动作模型（WAMs）通过动作条件下的未来预测来增强机器人策略，但仅凭“未来看起来合理”并不足以证明应当改变双手策略原本要执行的动作。论文提出CoWAM，解决“何时以及如何对机器人策略进行保守干预”的问题，目标是让干预既有选择性又足够安全。

方法/产品要点

• CoWAM是一个选择性干预层，将协调需求表达为三类“协调合约”：同步性、角色兼容性、碰撞收敛。
• 每个合约组合了类型化可接受性检查、事件条件验证和校准干预门。
• 干预规则：除非备选动作满足所有活跃义务，并提供清晰、低风险的改进，否则保留默认动作；若默认动作也不可接受，则调用预定义的弃权回退。
• 评估设计：为分离“选择器质量”和“提案质量”，所有方法在相同候选池上运行，并在共享标注前提交决策。

主要结果或产业意义

• 在八个仿真双手任务上，CoWAM相比仅使用合约的变体，协调有效选择率提升16.7个百分点。
• 相比最强选择性基线，闭环成功率提高9.6个百分点。
• 有害干预率低于1%。
• 产业意义/应用潜力：为依赖预测世界模型的机器人策略提供一种保守、可解释的干预接口，适用于协调密集的双手操作任务。

为什么重要

现有WAMs只提供“预测的未来”作为附加证据，但缺少判断“是否应该改动作”的决策机制。CoWAM把干预逻辑形式化为合约，使选择性干预更可控、更有原则，并在协调丰富的双手任务中系统验证了这一接口。已有相关卡片（CompactionRL、弹性组、GaP）分别关注训练策略、推理调度和多智能体编排，本条则聚焦于“策略干预层”，是另一种增量视角。

局限与不确定性

• 摘要未提供明确的局限说明；实验基于八个仿真双手任务，尚未提及真实机器人部署情况（待核实）。
• 候选池如何生成、合约参数如何标定等细节在摘要中不可见（待核实原文）。

可用于图书/PPT/简报的角度

• 用“什么时候该让AI不按默认来？”作为引入，讲解选择性干预与保守决策。
• 用“协调合约”类比交通规则：只有满足所有规则且明显更安全时才变道，否则保持原车道。
• 突出“有害干预低于1%”这一安全指标，说明干预系统需要克制。

原始材料

• 英文标题：CoWAM: Coordination Contracts for Selective Policy Intervention with WAMs
• 英文关键词：CoWAM; World Action Models; Coordination Contracts; Selective Policy Intervention; Bimanual Manipulation
• 原始来源：arXiv:2608.02578v1 [cs.RO] (cs.RO, cs.AI, cs.LG)
• URL: https://arxiv.org/abs/2608.02578v1