本研究提出了一种名为PHIER的方法，利用谓词层次结构解决机器人规划中物体及其关系的少样本状态分类问题。该方法结合对象中心的场景编码器和自监督损失，显著提升了分类性能，尤其在数据稀缺和仿真到现实的任务迁移中表现优异。

C-SAW是一种新型的提示学习技术，通过自监督损失和强调视觉特征实现领域不变的提示学习，提高视觉特征表达能力。C-SAW在遥感基准测试和泛化任务中表现出超越性能。