视觉-语言-动作模型的关系式空间对齐

基于摘要分析。本文研究机器人视觉-语言-动作（VLA）模型如何吸收预训练 3D 基础模型的空间知识，同时保留原有表征能力。作者提出关系式表征对齐方法，将对齐目标从逐点特征相等转向成对关系一致，以支持空间推理与操作任务。 核心机制：作者认为，直接对齐 VLA 与预训练 3D 基础模型的几何特征，实质上会在特征空间引入低秩正则化，并导致预训练 VLA 表征出现严重秩坍塌。所提方法不再强制对应特征取值相同，而是对齐成对关系，旨在注入 3D 空间感知能力的同时保留模型原有表达能力。摘要未说明关系的构造对象、相似度定义、损失形式、对齐位置及训练流程，这些均尚未验证。 结果与证据边界：作者报告，在公开基准、团队新建的空间推理基准及真实机器人操作场景中，该方法能够将 3D 空间表征融入 VLA 推理，并在多种操作任务中改善空间感知与性能。摘要未给出基准名称、数据规模、具体指标、对照模型或数值，因此无法量化收益，也不能判断不同评估场景中的一致性。实验协议、消融及统计信息尚未验证；复现还需核对所用 VLA、3D 基础模型及训练配置。 平台推测（待验证）：可迁移的机制是假设“保持关系结构比强制特征相等更能保留学生模型表达能力”，而不是将机器人空间知识直接等同于 EEG 知识。若用于 EEG 教师—学生表征对齐，可复用关系约束思路，但需重新定义时间窗或样本间关系，并处理跨被试、通道差异及低信噪比造成的关系失真。一个可检验的小实验是在固定数据划分、教师与学生及训练预算下，比较无对齐、直接特征对齐和关系对齐，同时检查下游指标与表征有效秩；小数据下关系估计不稳定可能使该假设失败。相关 EEG 工作尚未检索确认。