日前，李飞飞与刚获IJCAI 2026计算机与思想奖的吴佳俊等学者在arXiv发布论文《TrAct》，提出新框架打破世界模型与机器人动作间的“巴别塔”。针对机器人低维“动作方言”与世界模型高维“像素画面”难以同频的痛点，TrAct引入“视觉轨迹”作“同声传译”。该框架含VLAT、TWM和VLAC三大模块，能精准预演画面，并复用海量无标签人类视频预训练。在严苛的LIBERO-INTEGRAL仿真及真机实验中，TrAct的跨本体泛化与成功率大幅领先基线模型，为具身智能提供了极具启发性的通用接口。