预印本：校准世界模型检测动作接口语义错配

Rui Zhu、Xurui Li、Haixu Tang 提交预印本论文，提出用学习到的状态-动作-效果关系作为离线契约，检测机器人动作在满足形状与范围约束、但语义错误时的静默错配（如轴置换、符号反转、旋转缩放、夹爪极性反转），并对可能出错的字段排序。方法用干净的留出转移校准报警，用固定逆词表做闭集定位。 在 LIBERO Spatial 的十个任务、432 条源轨迹上，按 2.5% 经验干净误报率做容量受控比较：岭回归前向残差召回率 46.1%，四分量联合高斯混合 61.0%，同一混合模型的精确条件分布 65.7%。作者称联合得分比岭回归高 14.9 个百分点，条件化再提升 4.7 个百分点；但联合得分的定位率为 95.8%，低于条件化的 94.6%。 作者称这些同误报率比较是回顾性诊断，不构成部署校准保证；DROID、HYDRA 全部三个任务、短时故障、小偏移、精确修复与仿真缓解均未通过各自门槛，xArm 仅贡献一个任务。作者将结论限定为有边界的离线诊断和检测-定位权衡，而非联合密度更优或跨机器人安全。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。