DualSpace-VLA：在视觉-语言-动作策略中耦合笛卡尔空间运动意图与关节空间执行

基于摘要分析。该研究面向机器人视觉-语言-动作（VLA）策略中运动意图表达与稳定执行之间的权衡，提出 DualSpace-VLA：用笛卡尔空间运动意图引导关节空间动作生成，使任务级几何表达与底层控制接口相结合。 原问题在于，笛卡尔末端执行器动作具有直观的几何含义，但在关节控制机器人上执行时通常需要逆运动学，冗余机器人可能因此产生非唯一或较不稳定的关节目标；关节空间动作可直接对接底层控制器，却要求策略学习机器人构型相关的运动学关系，且可能弱化任务级运动结构。 方法上，DualSpace-VLA 从 VLM 表征预测笛卡尔运动意图 tokens，以动作块级末端执行器位移变化作为监督，再通过意图引导的交叉注意力与门控融合，将这些 tokens 注入基于 flow matching 的关节动作专家。训练时，可微正向运动学把生成的关节轨迹映射为末端执行器轨迹，提供轨迹级几何正则；推理时不需要逆运动学。摘要未给出具体损失形式、模型规模及各模块的独立贡献。 作者报告，在 RoboTwin 仿真、真实世界双臂操作及向低成本机器人构型的少样本迁移实验中，该方法优于仅使用末端执行器空间或仅使用关节空间的 VLA 基线。摘要未提供具体任务、数据规模、划分、评价指标、提升幅度或统计不确定性，实验协议、消融及统计信息尚未验证。 本研究的主要对象是机器人动作策略，而非 EEG 解码或 BCI；当前材料不足以建立具体的神经信号方法迁移路径，不据此推断 BCI 有效性。复现需进一步核对动作表示、运动学模型、监督构造、训练配置及基线控制条件。