VLA-Δ：面向视觉-语言-动作模型的物理状态转移学习

基于摘要分析。本文研究机器人控制中的视觉-语言-动作（VLA）模型，提出 VLA-Δ，以当前状态与未来状态之间的物理变化作为显式学习目标，旨在缓解直接学习观测到示范动作映射时对观测—动作对应关系的过拟合。 核心机制是把物理状态转移纳入训练监督，而不只是借助语言、视觉或潜在空间中的中间推理与未来状态预测来辅助动作生成。作者构建了大规模预训练数据集，并生成涵盖任务相关语义与视觉运动变化的物理状态转移标注，为连续动作生成提供监督。摘要未披露状态表示、标注生成流程、损失形式，以及状态转移目标与动作目标的组合方式，具体实现尚未验证。 作者报告，在 LIBERO 与 RoboTwin 上，VLA-Δ 的表现可与当前先进方法竞争；在真实机器人实验中优于 π₀.₅。摘要未提供具体指标、数值、任务划分或对照训练条件，因而不能据此量化收益或跨协议比较。作者还报告，推理时模型直接根据当前观测生成动作，不增加额外推理开销；其计算与时延测量条件仍需核对全文。 摘要提供了代码仓库地址，但代码内容、数据可用性、复现配置、实验协议、消融及统计信息尚未验证。本文主要贡献属于机器人动作学习，并非 EEG/BCI 方法；目前材料不足以建立物理状态转移标注与 EEG 瓶颈之间的具体对应关系，不据此提出迁移效果判断。相关 EEG 工作尚未检索确认。