基于语言的世界模型的写保护离散瓶颈：结构限制和充分修复

语言应该如何与世界模型的离散符号系统交互？主导范式——将 LLM/VLM 特征端到端注入机器人世界模型（RT-2、Octo、PaLM-E）——隐含地假设语言梯度可以直接塑造物理符号表示。我们询问这个假设是否安全，发现它不安全，并描述了防止失败的最小架构约束。任何进入基于 Gumbel-softmax 的离散符号瓶颈的语言梯度都会迫使结构性权衡：普通估计器崩溃到 2.2/64 个符号（4/5 种子），而五种反崩溃策略保持多样性，但无法学习语义标签（全部 <= 9.2% 准确度）。没有经过测试的 GumbelBottleneck 变体能够同时实现这两个目标。在这一系列离散瓶颈中，失败是结构性的，而不是优化问题。我们描述了一组足够的三个约束来防止失败：（1）切断梯度链（z.detach（）），防止语言信号到达符号瓶颈； （2）提供无梯度语义通道——非参数内存表（Dict[symbol -> Counter[label]]，零参数，零梯度），其中共现计数取代基于梯度的绑定； (3) 通过 DP-Means 流式聚类处理符号冲突，以实现自动子聚类分裂。所有三层共同实现了 97.2% 的语言与符号对应准确率，而没有第 3 层则为 22.2%。在跨越 74 次独立运行的两项实验中，我们证明了所有 32 个种子中的零符号崩溃，黑板在三种编码器架构（CNN、V-JEPA 300M、CLIP ViT-L）、两种环境和三种纹理条件下实现了 79-100% 的语义绑定。该修复训练的参数少于 2M，并且不需要 LLM 微调。