内容摘要
作者论文指出，自然轨迹中的物体状态、机器人配置、遮挡和任务进度共同变化，低预测误差不足以证明读出器忠实响应物理变化。研究冻结VLA特征并拟合状态读出器，利用经物理与视觉验证的目标坐标—机器人情境交叉观测，区分自然准确性、固定情境下的状态响应和固定状态下的情境稳定性。
主验证在Meta-World抽屉与水龙头任务上评估SmolVLA和OpenVLA特征，每任务含12个确认初始化。四种任务—表征组合均出现低自然误差与弱受控响应并存。抽屉SmolVLA的自然MAE为5.554毫米，受控MAE为74.184毫米，平均端点增益G为0.1806。单情境端点增益为1表示两端点间预测变化方向与幅度正确；平均增益为1仍可能掩盖情境间欠响应与过响应的抵消，也不保证中间状态表现。
作者另在LIBERO中开展分开的行为实验：加入响应与情境敏感性诊断降低了相对指定基线的失败预测损失，但事后对照未确立其优于同批受控观测MAE。这不是独立团队复现或策略成功率提升证据；自由物体设置也未重现同一核心模式，真机适用性仍待验证。
点评
研究支持联合评估自然准确性、受控响应和情境稳定性，而不把状态可解码直接等同于忠实响应或任务成功。
证据来自作者论文中的仿真实验。任务、情境与单一物理坐标覆盖有限；受控观测可能偏离自然联合分布，研究尚未分离表征内容、读出特征选择和分布偏移的影响。行为预测结果限于所评估的固定策略、任务及指定基线，未确立诊断读出器是策略内部状态估计器或失败的因果中介。
版本与核查范围
版本 2609.34684v1 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #S1.p2.1；#S1.p4.1；#S1.p5.1；#S1.p3.1；#S4.p1.1；#A1.SS1.p1.1；#S4.SS1.p1.1；#S4.T2.2；figcaption[57]；#S3.SS2.SSS0.Px2.p1.2；#S3.SS2.SSS0.Px2.p1.3；#A6.SS1.p1.1