机器人端起杯子前，最好先判断杯子会往哪儿移动。但如果它必须先“画”出一段未来视频再动手，反应就会变慢。世界动作模型（World Action Model，WAM）正面临这种取舍：预测越完整，实时控制的计算负担越重。Fast-WAM在执行时直接取消未来画面生成，却也可能丢掉对任务进程的明确预判。
LAWA的办法，是不生成画面，但保留“未来意图”。它用潜在动作——模型内部压缩出的数字表示——记录接下来应发生的关键变化，例如机械臂正在把局面推向哪里，而不重建背景、纹理等视觉细节。训练时，一个离散 tokenizer（把连续变化压成有限代码的编码器）还借助手部、机械臂及交互区域的掩码，让这些代码更关注操作本身。
据论文作者报告，LAWA在 RoboCasa 仅使用 10% 训练轨迹时，平均成功率为 65.6%，比同条件 Fast-WAM 高 9.6 个百分点；同时维持 matched Joint-WAM 的性能水平，并将推理延迟降低 42.9%。这提示世界模型未必需要真的“看见”未来，只要保留足够有用的行动简写，也可能兼顾泛化与速度；代码和模型尚待发布。