月球车对接策略以自适应时域降低推理频率

基于摘要分析。本文研究极端光照反差及部署时感知扰动下的月球车自主对接，设计端到端视觉-语言-动作策略，并以模块化导航流程为对照，考察其在训练未见感知扰动下的闭环表现。另一项贡献是自适应执行时域：根据月球车能够安全开环行驶的范围，调整两次策略推理之间的动作执行跨度，以权衡计算开销与安全性。 方法方面，作者构建了可扩展训练框架，在高保真月球仿真环境中生成考虑安全约束的专家示范。摘要以互联网规模视觉-语言预训练提供的视觉理解和常识能力为方法背景，但未明确具体基础模型、输入输出表示、训练目标或微调方式，不能据此确定策略的实现结构。 结果方面，作者报告：在训练未见感知扰动的闭环评估中，该策略相较模块化基线具有竞争力；在所评估场景中，自适应时域执行相较固定时域降低了推理频率，同时限制了危险接触率。摘要未给出数值、扰动类型、示范规模、场景划分或统计不确定性，因此尚不能量化收益，也不能推断其已在真实月球车部署中得到验证。实验协议、消融及统计信息尚未验证。 本文主要对象是机器人视觉导航与控制，而非 EEG 解码或 BCI。摘要没有提供神经信号处理机制或明确的跨领域对应关系，因此不据此推导 BCI 有效性，也不提出 EEG 迁移复现实验。复现前需进一步核对仿真与示范生成条件、模块化基线配置、自适应时域的安全判据，以及推理开销和危险接触率的具体计量方式。