面向 Vision-Language-Action 模型的行为对齐神经监督

基于摘要分析。该研究探讨在人类物体操作过程中记录的 EEG，能否补充视觉、语言和动作轨迹对具身行为结构与时间动态的描述。作者提出 EEG 引导的表征学习，用于适配预训练 Vision-Language-Action（VLA）模型；EEG 仅在训练阶段提供监督，推理时不需要额外神经信号输入。 数据与机制：作者同步采集自然操作任务中的第一视角视频和 128 通道 EEG，以行为对齐的神经活动指导具身表征学习。摘要未说明 EEG 预处理、同步精度、时间窗、监督目标或损失形式，因此尚不能确定模型如何提取并利用神经动态，也不能判断不同频段、通道或行为阶段的贡献。 评估与结果：作者以 OpenVLA 为主要骨干，在多个操作基准及涉及视觉、语义和执行变化的分布外设置中进行评估，并在 LIBERO 上验证向 π_0 的迁移。作者报告，在这些设置与骨干下，EEG 引导训练相较对应的仅使用机器人数据的基线提高了任务成功率；破坏 EEG 与行为的对齐关系或移除 EEG 监督后，收益减弱。摘要未给出具体成功率、提升幅度、被试规模或数据划分，不能据此比较不同协议下的效果。 解释与边界：作者的行为和表征分析将性能改善与更有效的任务推进、完成过程联系起来，并报告最显著的表征变化位于靠近动作输出的后部层。这支持进一步检查行为对齐监督的作用，但不等于已确定其因果机制，也不构成 EEG 解码或 BCI 控制性能提升的证据。 复现需核对同步采集和对齐方法、预训练骨干适配方式、对照训练条件，以及对齐扰动与消融的具体设置。全文、实验协议、消融及统计信息尚未验证，数据和代码的可获得性也尚未验证。