超越像素预测：用于海洋机器人规划与容错的紧凑状态空间动力学

该研究针对水下机器人中图像难以反映惯性、残余漂移、浮力偏差和背景水流的问题，提出直接预测导航状态而非未来视频的动力学模型，并将其用于规划与传感器失效时的速度估计。基于摘要分析，未取得论文全文；主要研究对象是海洋机器人，并非 EEG 或 BCI。 方法采用以推进器和关节指令为条件的 Transformer，预测数秒范围内的 DVL 速度、IMU 姿态、深度及机械臂配置，同时建模最后一条指令结束后仍持续的被动运动。相机仅用于目标编码和目标位姿估计，不承担未来图像生成。标题中的状态空间动力学不应直接等同于某类特定 State Space Model 网络架构。 作者报告，相较于可比的视频模型，去除图像解码器使参数量减少超过一个数量级，并支持完整模型预测规划循环在机载端以控制频率运行。在包含二十项水下任务的 USIM benchmark 上，任务涵盖水流条件下的定点保持、对接与抓取，作者报告取得新的最佳结果，但摘要未给出对应总分；在 Jetson AGX Orin 上，相对 U0 基线，作者报告决策延迟降低 2.7 倍。移除 DVL 的评估中，同一模型作为学习式速度估计器，作者报告试验完成率为 61.6%，基线为 39.4%；这一结果仅适用于该传感器移除协议。 摘要称消融分别考察了 dead-band 项、滑行模型和水流估计的贡献，并称发布了训练模型与评估脚本，但具体消融结果、数据划分、试验数量、统计不确定性及发布资源的可用性尚未验证。材料未提供与 EEG 信号或 BCI 任务的具体机制对应关系，因此不能据此推断其在 BCI 中的有效性。