动作

INTACT关注的正是这两类条件如何通过同一个动作算子建立一致语义。

如图1所示，INTACT在原有ForwardPredictor之外增加一个共享的条件动作算子。

与此同时，VLA训练过程冻结Encoder去训练Actor的方式，只是将多模态过滤去进行动作生成，却并没有考虑到编码后的潜空间和动作空间的语义信息对齐。

INTACT（INtent-To-ACTion），一种基于端到端JEPA的无搜索世界模型控制方法，试图改变这一范式：直接利用离线轨迹中已有的状态、动作与未来结果，将运动意图转化为动作模型可以读取的语义接口，使模型无需搜索候选动作序列，就能直接生成动作计划；

从搜索先验到直接动作接口

搜索本身并没有错，但它会带来额外延迟，也让世界模型学到的动作信息在部署时无法被直接读取。