TaskAnchor：为长时程操作中的反应式 VLA 提供任务状态锚定

基于摘要分析。该研究针对机器人长时程操作中反应式 vision-language-action（VLA）策略的任务状态混淆：相同的多模态输入可能因执行历史不同而需要不同动作。TaskAnchor 以轻量适配器向 VLA 原生输入空间注入执行上下文；作者的核心假设是，预训练 VLA 已具备丰富的控制原语，执行瓶颈主要来自输入歧义，而非策略容量不足。 机制上，TaskAnchor 在后训练阶段利用里程碑监督，将子任务阶段表示为置于语言指令前的坐标，并通过对当前视觉 tokens 的残差更新融合细粒度历史证据。该设计不需要生成复杂子任务指令，也不改变骨干架构。坐标的具体形式、历史编码方式、损失函数及可训练模块范围尚未验证。 作者报告，在长时程操作评估中，TaskAnchor 在 RMBench 上达到 π₀.₅ 和 X-VLA 基线平均成功率的约 6 倍，在 RoboMemArena 上的任务成功率超过 π₀.₅ 的两倍。摘要未提供绝对成功率、任务划分、试验次数与统计不确定性，不能据此比较不同基准的难度。作者还报告，真实机器人可可靠执行多阶段任务，并利用此前的人类交互作为上下文线索调整后续行为；具体任务与量化结果尚未验证。 平台推测（待验证）：其可迁移假设是，将显式任务阶段与历史证据分别注入输入，有望缓解连续 EEG 解码中相似瞬时信号对应不同任务状态的歧义；这并非原论文验证的 EEG/BCI 效果。迁移需要可定义的阶段监督、时间对齐历史以及兼容的输入表示，视觉 tokens 残差模块需改造为 EEG 特征更新模块。低信噪比、跨被试与通道变化可能使历史证据失真，小数据下也可能仅学到固定任务顺序。可在具有阶段标记的连续 EEG 任务中，固定划分与骨干，比较仅当前窗口、加入历史、加入阶段以及二者结合的解码表现，并打乱历史检验收益是否确实依赖上下文。已有 EEG 相关工作尚未检索确认；原论文的实验协议、消融及统计信息尚未验证。