세계 행동 모델(World Action Models, WAMs)은 기존의 시각 운동 정책을 넘어 미래 세계 상태와 로봇 동작을 공동으로 예측함으로써, 효과적인 제어를 지원하는 물리 역학을 학습할 수 있게 합니다. 하지만 최근의 촉각 WAM들은 접촉이 풍부한 물리 역학을 포착하기 위해 대규모 사전 훈련된 생성 백본(generative backbones)에 의존하는 경우가 많아, 추론 효율성과 유연한 배포를 제한합니다. 본 논문에서는 접촉이 풍부한 로봇 제어를 위한 민첩한 촉각 세계 행동 모델인 extbf{Agile-WAM}을 제시합니다. Agile-WAM은 시각 및 촉각 관측값을 공유 잠재 공간(shared latent)으로 인코딩하며, 이는 직접적인 비전-촉각-대-행동 흐름 일치화(vision-tactile-to-action flow-matching) 과정의 원천 역할을 합니다. 이 과정을 통해 행동 청크(action chunks)와 미래 시각/촉각 잠재 공간을 공동으로 생성할 수 있습니다. 핵심적인 관찰은 비전 신호와 촉각 신호가 본질적으로 다른 시간 척도에서 진화한다는 것입니다. 즉, 인접한 시각 프레임은 매우 유사한 경우가 많지만, 촉각 신호는 접촉 발생 시 급격하게 변화할 수 있습니다. 따라서 우리는 Agile-WAM에 다중 시간 지평(multi-horizon) 다중 모드 예측을 도입하여, 더 큰 시간적 오프셋에서 시각 잠재 공간에 대한 감독(supervision)을 제공하는 동시에 다음 프레임의 촉각 잠재 공간을 예측함으로써 미세한 접촉 역학을 포착합니다. 9개의 시뮬레이션 및 5개의 실제 세계 접촉이 풍부한 조작 작업 전반에 걸쳐, Agile-WAM은 높은 성공률을 달성하며 가장 강력한 기준 모델(baseline)을 능가하는 강력하고 견고한 성능을 입증했으며, 낮은 추론 지연 시간도 유지했습니다. 특히 5개의 실제 세계 실험에서, Agile-WAM은 전체 성공률에서 $ extbf{29.4%}$의 상대적 이득을 얻는 동시에 $ extbf{11.9 ms}$의 추론 지연 시간을 달성했습니다. 이러한 결과는 다중 모드 WAM이 정밀하고 고주파 로봇 제어에 적합한 민첩한 아키텍처로 구현될 수 있음을 보여줍니다. 더 자세한 내용은 저희 프로젝트 페이지에서 확인할 수 있습니다: https://hanchuzhou.github.io/TARO_project_page/.