본 논문은 비접촉 조작(Nonprehensile manipulation)을 위한 새로운 프레임워크인 Dynamics-Adaptive World Action Model (DyWA)을 제안합니다. 기존 학습 기반 방법들의 한계인 다중 카메라 의존성과 물리적 조건 변화에 대한 일반화 부족 문제를 해결하기 위해, DyWA는 역동성 변화에 적응하면서 미래 상태를 예측하는 방식을 채택합니다. 기하학, 상태, 물리, 로봇 동작을 통합적으로 모델링하여 부분 관측 가능성 하에서도 강건한 정책 학습을 가능하게 합니다. 시뮬레이션 결과 단일 뷰 포인트 클라우드 관측만으로도 성공률을 31.5% 향상시켰으며, 실제 실험에서도 다양한 물체 기하학, 마찰 변화, 물이 반쯤 찬 병이나 미끄러운 표면과 같은 어려운 상황에서 68%의 평균 성공률을 달성했습니다.
