CITR：用于机器人操作的坐标不变任务表征

基于摘要分析。本文研究机器人操作任务的表示问题：任务本身不应随参考坐标系改变，但直接使用依赖坐标系的机器人状态数据，可能影响所学模型的可解释性与可迁移性。作者提出 CITR，通过输入测量之间的成对内积，将空间测量转换为坐标不变特征，并构建直观的图像化“任务指纹”。 核心机制是以测量间的关系替代原始坐标描述。作者报告对该表示进行了数学推导，实验采集了任务指纹，并展示其用于任务分类的方式。摘要未提供测量类型、变换的精确定义、分类器、任务数量、数据划分、对照基线或定量指标，因此尚不能判断其分类性能及相对优势。数据高效学习、可迁移学习与在线任务分类在摘要中主要被作为后续研究方向，而非已获验证的收益；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：可供 EEG 方法研究借鉴的是“对明确的无关变换构造不变关系特征”这一原则，而非直接复用机器人任务指纹。该机制依赖具有共同空间变换关系、且内积有意义的测量结构；EEG 的通道差异、参考方式变化与跨被试差异并不等同于机器人参考坐标系变化，不能直接宣称 CITR 能解决这些问题。可复用的候选模块是成对内积特征构造，但输入表示与允许的不变变换需重新定义，低信噪比、通道缺失及小样本下的关系估计不稳定均可能使其失效。一个可检验的小实验是在固定被试内划分下，对预定义正交混合前后的 EEG 特征比较表示一致性及分类表现，并以原始特征为对照；这仅检验特定变换下的鲁棒性，不构成跨被试有效性的证据。已有 EEG 相关工作尚未检索确认。