记忆即规划：面向长程具身操作的记忆基底世界动作模型

长程机器人任务常受制于历史记忆膨胀带来的延迟。MaP-WAM 将多模态情景记忆转为阶段性语言与视觉规划，执行器仅需固定上下文长度并同步预测动作与进度。在 RMBench 达到 83.3% 成功率及 78.0% 真机表现的同时，推断时延不再随任务历史推移而攀升。