你让机器人把杯子推到桌边，它既要预测“这一推会出现什么画面”，也要能看着画面变化反推出“刚才怎么推的”。以往的世界动作模型虽同时学习视频和动作，却不保证两边的答案真能对上。Cycle WAM要补的正是这道一致性约束。
它先做双向转换：动作生成后续视频，视频变化反推动作。再加入循环一致性——把信息从动作转成视频后再转回来，或反向绕一圈，检查能否保住原来的交互信息。最关键的一步是，模型会把自己反推出的动作交给前向视频预测，并让误差穿过这个动作继续参与训练。这样，动作预测与视觉后果不再各学各的，而是在同一个闭环里互相校验。
论文作者称，Cycle WAM在可比方法中于 LIBERO-Pro 达到最佳表现，并在 DROID 上显著改进 DreamZero；与 UWM 的展示对比中，前向预测也呈现更清晰的视觉细节。现有材料未给出具体提升数字，因此这些效果仍以作者报告为准。