JAM：解耦骨干初始化与未来观测目标的动作模型

论文提出 Just Action Model（JAM），把 VLA 与 WAM 的差异拆解为骨干初始化、未来观测目标和推理机制三个可分离选择，统一为带动作专家和预训练视觉骨干的框架，用动作损失与前瞻损失训练，训练后丢弃预测头，训练和推理都不涉及视觉生成。