ESP：用于单步多模态动作生成的 Energy-Score Policy

基于摘要分析。本文研究机器人 vision-language-action（VLA）策略中的多模态动作生成：同一观测与指令可能对应多个有效动作序列，而 diffusion 和 flow matching 的迭代采样会增加闭环控制中的推理延迟。作者提出 ESP（Energy-Score Policy），无需教师模型，直接将策略上下文与噪声映射为动作块，仅需一次网络求值。 核心机制是用 energy score 而非均方误差训练动作头。均方误差回归倾向于学习条件均值，可能无法保留多个有效动作模式；energy score 则是严格适当的评分规则，其期望由目标分布唯一最小化。摘要中的精确分布恢复结论以模型能够表示目标分布、达到总体最优为前提，不能直接等同于有限数据和实际训练下的恢复保证。具体评分估计方式、网络结构与优化细节尚未验证。 作者报告，在仿真和真实机器人操控任务中，ESP 相比 flow matching 基线取得有竞争力的任务成功率，并显著降低动作生成延迟。摘要未提供任务名称、数据规模、成功率数值、硬件或延迟测量口径；实验协议、消融及统计信息尚未验证。复现时需核对基线采样设置、动作块长度、模型容量及计时边界，才能解释效率与任务表现的权衡。 平台推测（待验证）：若 EEG 驱动的辅助控制需要输出连续动作，且同一神经信号上下文存在多个可接受动作，直接分布学习可能比条件均值回归更合适。可复用的是噪声条件动作头与 energy score 训练目标，需改造上下文编码器并依赖配对的 EEG—动作监督数据；低信噪比、跨被试差异和小样本可能导致模型把观测噪声误当作动作多样性。一个可检验的小实验是在固定 EEG 编码器和相同数据划分下，对比均方误差动作头、ESP 式动作头与 flow matching，分别检查动作有效性、多样性及相同硬件下的生成延迟。该假设不构成已验证的 BCI 效果，已有 EEG 相关工作尚未检索确认。