#VLA

Grounded in Time：机器人操作中时间溯源的多源数据集与基准

基于摘要分析。该研究面向机器人操作中仅凭当前观测无法确定适当动作的问题，提出 GiT（Grounded in Time）数据集与基准，用于评估模型能否依据过去事件推断任务相关状态并作出操作决策。其贡献是将依赖历史的语义推断纳入生物实验室、家庭与工业场景的策略学习和评估。 数据与机制：GiT 包含覆盖 18 项双臂任务的真实机器人及 Universal Manipulation Interface（UMI）风格示范，另提供仿真数据和覆盖九项任务的 ManiSkill 评估套件。细粒度子任务标注支持策略学习；带标注的反事实任务对使相似当前观测因先前事件不同而对应不同动作，为检验模型对历史的利用提供针对性条件。摘要未说明历史输入形式、记忆模块、训练损失或数据规模。 结果与核对事项：作者报告，对代表性端到端 vision-language-action（VLA）模型的仿真评估及部分真实任务评估显示，依赖历史的操作能力仍有较大改进空间。摘要未提供具体指标、分数、模型名称或数据划分，因而不能量化差距或比较模型优劣。实验协议、消融及统计信息尚未验证；复现需核对任务划分、反事实配对规则、历史窗口及真实与仿真评估条件。作者称数据集与基准已在项目页面提供，具体资源内容尚未核验。 平台推测（待验证）：可迁移的是“当前证据相近、历史上下文不同”的评估设计，而非直接将机器人数据用于 EEG。假设某类 EEG/BCI 任务的正确决策确实依赖先前提示或交互状态，可构造匹配当前输入、改变历史上下文的配对测试，对比无历史、真实历史与打乱历史条件。需重新定义 EEG 输入、上下文标注和目标，且低信噪比、跨被试差异及小样本可能使模型依赖伪相关；历史提示也可能被利用而非 EEG 本身，因此需单独核对各信息源的贡献。已有 EEG 相关工作尚未检索确认。