盲醒：面向依据对齐视觉感知的无监督智能体轨迹冷启动优化

小型视觉语言模型（SVLM）是高效的任务控制器，但常常存在视觉脆弱性与工具编排能力差的问题。它们通常需要昂贵的有监督轨迹微调来弥补这些缺陷。在本工作中，我们提出SPECTRA（通过级联工具Rollout对齐实现的自监督感知），一个无监督框架，通过面向SVLM的冷启动强化学习引导出智能体能力。SPECTRA实施软结构化多轮Rollout，这一拓扑约束引导智能体在综合之前显式地排序工具导出的证据，从而有效地将推理建立在视觉观察之上。我们采用多目标奖励信号，同时最大化任务正确性、rollout结构与工具效用，使智能体无需人类偏好标签即可自主发现鲁棒行为。我们进一步提出工具工具性效用（Tool Instrumental Utility, TIU），一种在缺乏真实标签时量化工具效能的新指标。在复合基准与分布外（MMMU-Pro）基准上的大量评估表明，SPECTRA增强了智能体轨迹，将任务准确率最高提升5%、工具效率提升9%，使多模态智能体能够仅凭环境交互即可高效学习。