World Action Models: A Survey

这篇 survey 梳理 World Action Models，把它们定义为能让未来预测服务于行动的 embodied predictive-action models。材料区分了复用大型视频生成模型的路线，以及使用语言或视觉语言 backbone、但不以视频生成为核心的路线。它的作用在于清理 world models、video generation models 和 action-grounded video world models 之间越来越混杂的术语边界。