SWAP：面向 Vision-Language-Action 模型的逐步动作策略路由

基于摘要分析。该研究针对单一 Vision-Language-Action（VLA）模型难以适应不同任务状态与环境的问题，提出 StepWise Action Policy Routing（SWAP），在执行过程中动态组合多个 VLA 策略，而非整段任务始终使用同一策略。 核心机制是将策略路由建模为离线强化学习问题，学习一个 routing critic，根据当前观测在每个决策步选择适合执行的策略。其贡献重点在于将策略选择从整段 episode 的固定承诺改为在线逐步切换；摘要未说明 critic 的结构、训练目标、离线数据构成、候选 VLA 配置及切换开销，相关细节尚未验证。 作者在真实世界 DROID 操作任务和 LIBERO 仿真实验中评估 SWAP，报告其优于固定策略执行与路由基线。对于真实世界任务，作者报告任务成功率的绝对提升最高为 33%（原文如此表述；具体基线、分母及是否按百分点统计尚待全文核对），成功轨迹中的机器人动作步数减少 28.3%。这些结果属于机器人操作评估，不能视为 EEG 或 BCI 性能证据；任务划分、样本规模、消融及统计信息尚未验证。 平台推测（待验证）：假设不同 EEG 解码器在不同信号状态下具有互补性，可探索以观测驱动的路由器选择解码器。可复用的是逐步策略选择思想，但需改造观测表示、奖励定义与切换约束；其依赖能支持离线学习的状态、动作及结果记录。EEG 低信噪比、跨被试差异和小数据可能使路由判断不稳定，解码器频繁切换也可能损害输出连续性。一个可证伪的小实验是在严格隔离训练与测试数据的单一 EEG 任务中，比较路由组合、最佳固定解码器与简单路由基线，并核对收益是否伴随切换频率或延迟增加。已有 EEG 相关工作尚未检索确认。