MoMaStage：技能—状态图引导的长时程室内移动操作规划与闭环执行

基于摘要分析。本文研究室内移动操作（MoMA）机器人如何将自然语言指令转化为长时程物理行动，针对执行中的级联错误与跨环境泛化困难，提出无需显式场景建图的结构化视觉—语言框架 MoMaStage。其贡献是将规划限制在可行的技能与状态转换空间内，并通过执行反馈修正计划，而非提出神经信号解码方法。 核心机制：MoMaStage 将 Vision-Language Model（VLM）与 Hierarchical Skill Library、具备拓扑感知能力的 Skill-State Graph 结合，约束任务分解和技能组合，使计划与机器人不断变化的物理状态保持逻辑及拓扑上的一致性。执行阶段监测本体感知反馈，在检测到偏差时触发受图约束的语义重规划。无需显式场景建图不等于无需结构化先验；框架仍依赖技能库、状态定义及可行转换关系，其构建方式与维护成本尚未验证。 结果与证据边界：作者报告，在具有丰富物理交互的仿真及真实环境实验中，该方法相较所用先进基线提高了规划成功率和整体任务成功率，并降低 token 开销。摘要未提供具体数值、任务规模、环境划分、基线名称或统计信息，因此不能判断收益幅度及跨环境泛化边界；实验协议、消融及统计信息尚未验证。训练方式、技能获取途径和偏差检测规则也需结合全文核对。 平台推测（待验证）：若用于由 BCI 高层指令驱动的辅助机器人，可复用技能图约束与执行反馈重规划，而非直接迁移为 EEG 解码器。该假设依赖可观测的机器人状态、可靠的技能转换以及 BCI 输出到技能意图的映射；需改造指令置信度、拒识及误触发处理。低信噪比、跨被试差异和小样本校准可能使意图错误绕过规划约束，图内可行也不等于符合用户意图。一个可检验的小实验是在固定任务与技能库下，向高层指令注入受控错误，对比有无图约束和反馈重规划的任务成功率、误动作及恢复次数。已有 EEG 相关工作尚未检索确认。