研究团队提出世界-动作交互模型（WAIMs）概念，并针对自动驾驶实例化出DAWN模型。DAWN在紧凑的语义潜在空间中，通过世界预测器与条件动作去噪器的耦合进行交互式推理：预测的世界为动作去噪提供条件，而去噪后的动作又反馈以更新世界预测，两者在推理中递归优化。该方法无需在像素空间展开完整未来预测，仅通过短时潜在推演即可支持复杂交互场景中的长时程轨迹生成。实验表明，DAWN在多个自动驾驶基准测试中取得了优异的规划性能与安全相关结果，证明交互式世界-动作生成是构建真正可操作世界模型的有效路径。