动作条件

动作条件是世界模型区别于纯视频生成模型的关键技术特征，条件包括用户的实时动作（如键盘按键、手柄摇杆、鼠标移动等）。

动作到结果的因果映射无法仅靠视频数据自然学到，往往需要额外的动作标注数据或与仿真环境联合训练。