WAM-OPD让学生模型在环境中采样并由冻结教师纠偏，缓解离线蒸馏后的能力丢失。
推荐理由：关键点是把世界动作模型蒸馏从离线数据分布转到学生实际会访问的状态分布，避开稀疏奖励RL；若有效，机器人视频生成式策略可用更低成本做部署后修复。
阅读原文