通过以物体为中心的表征实现可泛化的层次化技能学习

基于摘要分析。该研究面向机器人操作中的策略泛化与样本效率问题，提出 Generalizable Hierarchical Skill Learning（GSL），以物体为中心的技能作为高层视觉语言模型与低层视觉运动策略之间的接口，使技能能够在不同空间布局、物体外观及任务组合间复用。 核心机制是利用基础模型，将示范分解为可迁移、经过物体坐标系规范化的技能基元，并在物体坐标系中学习低层技能。测试时，高层智能体预测技能—物体配对，低层模块据此推断规范化动作，再将动作映射回世界坐标系执行。其主要设计特点是显式连接任务层面的技能选择与坐标规范化后的动作执行，而非直接从视觉输入生成完整操作序列；具体基础模型、技能分解算法、训练目标及动作参数化方式尚未验证。 作者报告，在仿真中的未见任务评估下，GSL 每个任务仅使用 3 条示范，即优于使用其 30 倍数据训练的基线，提升幅度原文表述为“15.5 percent”。摘要未明确该数值对应的评价指标，也未说明是相对百分比还是百分点，不能进一步换算。作者还报告，在真实机器人实验中，GSL 优于使用其 10 倍数据训练的基线，但摘要未给出具体指标与差值。 复现时需核对示范分解与坐标变换的实现、物体定位及规范化所依赖的信息、未见任务的划分方式，以及基线的数据与模型条件；实验协议、消融及统计信息尚未验证。本文的直接研究对象是机器人操作，物体坐标系机制与 EEG/BCI 信号之间尚无材料支持的具体对应关系，不应将其机器人泛化结果视为 BCI 有效性证据；相关 EEG 工作尚未检索确认。