SIR：用于可解释机器人学习的结构化图像表征

基于摘要分析。该研究针对机器人视觉策略表征缺乏显式结构、易受视觉干扰且决策难以解释的问题，提出 Structured Image Representations（SIR），以 Scene Graphs（SGs，场景图）作为图像输入与动作生成之间的中间表征。 方法先以图像提取的特征初始化节点并构建全连接图，再通过端到端学习的稀疏化模块筛选任务相关子图，将其输入动作生成模型。作者将这种显式子图选择视为模型内在可解释性的来源；但节点如何对应对象、稀疏化的具体实现、训练监督与损失形式，均需全文核对。 作者报告，在 RoboCasa 评估中，稀疏图策略的平均成功率为 19.5%，图像基线为 14.81%。摘要未提供任务构成、数据划分、基线配置及统计不确定性，因此该结果只能在文中所述 RoboCasa 评估范围内理解。作者还报告，通过检查子图是否包含干扰对象或遗漏关键对象，发现了数据中的伪相关与位置偏差。图结构便于检查，并不自动证明其解释具有因果忠实性，相关验证及消融信息尚未验证。 平台推测（待验证）：可学习图稀疏化可能对应 EEG 中筛选任务相关通道关系、抑制无关连接的需求，但原研究依赖图像特征与场景对象结构，不能直接等同于 EEG 的电极或脑区关系。若迁移，可复用图筛选机制，需重建节点特征、时间建模及解码输出；低信噪比、体积传导、跨被试差异和小样本均可能使所选边不稳定。一个可证伪的小实验是在固定 EEG 编码器与相同数据划分下，对比稠密图和学习稀疏图的解码表现、通道扰动鲁棒性及所选连接稳定性。已有 EEG 相关工作尚未检索确认。