DiVeR：面向 VLA 测试时扩展的决策关键性验证器学习

基于摘要分析。研究针对 Vision-Language-Action（VLA）策略中机器人数据成本高的问题，提出 DiVeR：通过候选动作表征的离散程度估计状态的决策关键性，并据此对验证器学习重新加权，使训练更关注动作选择对后续任务结果影响较大的状态。 其推理框架属于验证器引导的测试时扩展：为当前状态采样多个动作候选，再由验证器选择更可能促成任务成功的动作。摘要指出，既有分类式验证器利用轨迹级结果监督，却同等对待沿途访问的状态；许多状态中的合理动作相近，区分信号有限，而少量关键状态允许产生会显著影响后续结果的不同动作。DiVeR 利用动作表征的离散程度作为关键性信号，不需要逐步标注或额外环境交互。具体表征来源、离散程度计算、加权形式及训练目标尚未验证。 作者报告，在 LIBERO、RoboCasa 及 Franka Research 3 机器人的真实环境实验中，DiVeR 通过更有效的验证器引导动作选择持续提升任务成功率，且新增验证器推理开销可忽略。摘要未提供成功率数值、候选数量、对照配置或统计信息，因此不能量化收益，也不能将验证器的新增开销等同于整个多候选推理流程的成本；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：其可迁移机制是利用候选差异为稀疏关键状态分配更多学习权重，但机器人动作选择与 EEG 解码并不等价。若用于连续 EEG 决策，需要重新定义候选及其表征，并验证表征离散程度反映的是决策重要性而非低信噪比、通道变化或跨被试差异；小数据也可能使权重估计不稳定。可在固定 EEG 任务、数据划分和候选预算下，对比均匀加权与离散程度加权，检验后者是否改善预先指定的解码指标。该实验仅为迁移假设，已有 EEG 相关工作尚未检索确认。