GRASP：面向双臂机器人操作的全局—局部表征对齐与空间—物理锚定

基于摘要分析。GRASP 研究直接回归关节空间动作的 Vision-Language-Action（VLA）模型在精细双臂操作中的训练目标错配：关节误差的物理后果并不等价，而视觉条件也未显式聚焦手—物交互区域。其贡献是在训练阶段注入物理与视觉先验，保留关节空间策略无需部署时逆运动学求解的特点。 物理机制方面，作者提出具有物理约束的 flow-matching 损失：在各噪声水平下，将隐式估计的干净动作通过可微正运动学（FK）映射为工具中心点（TCP）位姿及双臂相对位姿，并对这些物理量施加监督；同时采用有界的噪声水平权重补偿梯度衰减。该机制将关节误差与末端执行器及双臂协调的物理后果联系起来，具体损失形式与权重设置尚未验证。 视觉机制方面，全局预测查询组通过未来帧特征预测，从冻结的 DINOv3 教师蒸馏表征；局部交互查询则接受 Grounding DINO 的注意力层面监督。两个教师均在推理时移除，部署仍采用标准关节空间 flow policy，仅增加学习得到的查询通路。 作者报告，在长时程双臂任务的仿真及真实机器人实验中，两类先验在不同部署条件下具有互补性：完整模型在分布内部署中表现更好，而强视觉随机化条件下更适合采用蒸馏查询分支。摘要未提供任务名称、数据规模、基线、量化指标及随机化设置，实验协议、消融及统计信息尚未验证。 该研究的主要对象是机器人动作生成，而非 EEG 解码或 BCI。其物理监督依赖机器人运动学模型，视觉监督依赖未来帧及目标定位信息，不能直接视为神经信号建模效果的证据；已有 EEG 相关工作尚未检索确认。