월드-액션(WA) 모델은 범용 로봇 조작을 위해 장기 호라izon 액션 청크를 생성할 수 있지만, 실세계 정밀 작업에서 보정, 인식, 접촉 동역학 오류에 취약하여 정렬이나 삽입의 마지막 수 밀리미터 구간에서 실패하는 경우가 많다. 본 논문은 WA 모델을 위한 HALO-WA를 제안한다. 이는 하이브리드-어텐션 잠 latent 유도 온라인 강화학습(RL) 프레임워크로, 경량 actor-critic 어댑터를 통해 WA 생성 과정의 잠재 특징과 액션 사전(prior)을 활용하여 실제 배포 오류에 대한 빠른 온라인 적응을 가능하게 한다. HALO-WA는 하이브리드-어텐션 구조를 도입하여, 시각적 맥락과 최종 단계 보정 요구에 조건화된 WA 잠재 표현에서 작업 관련 정보를 읽어들이면서 액션 청크의 시간적 일관성을 유지함으로써 정제된 액션 청크를 생성한다. 네 가지 실세계 정밀 조작 작업에서 HALO-WA를 검증한 결과, WA-base의 평균 성공률 26.4%에서 87.1%로 향상되었고, 가장 강한 기준선 대비 19.2%p 높았으며, 작업당 온라인 학습 45–75분만 필요했다. 재현성을 위해 RoboTwin에서 보조 시뮬레이션 실험을 추가로 수행하고, 코드는 https://github.com/YeanRoot/HALO-WA 에 공개했다.
생성형 월드-액션 모델(world-action model, WAM)은 미래 비디오와 차량 액션을 공동으로 생성하지만, 액션 브랜치는 여전히 주로 전문가 모방(expert imitation)을 통해 최적화된다. 그러나 모방은 생성된 궤적에 대해 명시적인 폐루프(closed-loop) 기하학적 판정을 제공하지 않으므로, 학습(training)과 배포 모두에서 검증이 중요해진다. 폐루프 평가기(evaluator)는 충돌 및 주행 가능 영역 위반을 확인할 수 있지만, 배포 시에는 사용할 수 없는 특권적 씬 상태(privileged scene state)를 필요로 한다. 기존 접근 방식은 센서 특징으로부터 검증기(verifier)를 학습하여 이러한 간극을 좁히는 경우가 많다. 이러한 기하학적 검사의 경우 규칙 자체는 명시적이다. 예를 들어, 충돌은 전개된 자차 풋프린트(footprint)가 점유된 차량 공간과 겹치는지 여부로 결정된다. 배포 시 사용할 수 없는 것은 해당 규칙을 적용하는 데 필요한 씬 상태이다. 본 논문에서는 학습된 기하학 판독(geometry readout)을 사용하여 카메라 관측으로부터 씬 표현을 예측하고, 기하학적 안전 규칙을 학습하는 대신 직접 실행하는 DriveReferee를 소개한다. 이를 통해 생성된 해석적 심판(analytic referee)은 씬 상태와 후보 궤적으로부터 충돌 및 주행 가능 영역 안전성을 평가한다. 학습 중에는 참값(ground-truth) 상태에서 자체 샘플링된 궤적의 점수를 매기고 그 결과로 얻은 선호도를 WAM 정책에 증류(distill)한다. 배포 시에는 동일한 심판이 이 예측된 상태를 바탕으로 생성된 궤적을 평가하고 필요할 때 더 안전한 대안을 선택한다. 해석적 심판은 판정 관련 전용 학습을 필요로 하지 않으며, 그 결정은 명시적인 기하학적 규칙을 따른다. 동일한 후보군과 추론(inference) 예산 하에서, 본 방식은 모든 학습 기반 검증기 및 휴리스틱 베이스라인과 대등하거나 이를 능가한다. 동일한 예측 상태와 궤적이 주어졌을 때, 판정 자체를 학습하는 것은 평가기 라벨이 부착된 수만 개의 학습 예제가 필요함에도 불구하고 측정 가능한 다운스트림 이득을 제공하지 못한다. 전체 NAVSIM navtest에서 DriveReferee는 단일 카메라 시각 입력만으로 외부 학습 데이터 없이 92.02 PDMS를 달성한다.