不同观测空间下的策略改进
基于摘要分析。本文研究如何改进一个与学习者使用不同观测空间的黑箱策略，面向手工设计系统的机器学习增强，以及共享自主控制、人机互补等场景。核心贡献是指出观测空间不一致可能使朴素策略梯度产生错误的观测语义对应，并提出依据观测可得条件进行校正的方法。 作者报告的理论结果是：直接沿朴素策略梯度更新可能导致性能下降，其原因是策略在另一观测空间中的 grounding 不正确。当训练时能够同时获得两套观测时，作者通过应用 backdoor criterion（后门准则）推导正确估计策略梯度的方法；无法同时获得两套观测时，作者报告在特定假设下可使用 proxy correction（代理校正）正确估计改进方向。摘要并未将后一结论表述为精确恢复策略梯度，两者应区分。具体因果结构、代理变量条件、梯度估计式、实验协议、消融及统计信息尚未验证。 平台推测（待验证）：这一机制可能对应共享自主 BCI 中既有控制器与 EEG 学习者使用不同观测的信息不对称问题，但原论文并非 EEG 解码研究，原领域的理论结果不等于 BCI 有效性。可考虑复用观测空间错配的因果分析与梯度校正框架；需改造的是 EEG 观测、控制动作和代理变量的定义，并核对是否满足校正所需的识别假设。低信噪比、跨被试变化、通道配置差异及小样本可能使代理关系不稳定。一个可检验的小实验是在受控共享控制仿真中构造两套观测，比较朴素梯度与校正更新后的任务回报，再逐步加入 EEG 式噪声和观测缺失，检验改进方向是否仍可靠；这仅是迁移假设，已有 EEG 相关工作尚未检索确认。
阅读价值：该研究值得阅读之处在于分析不同观测空间下直接改进黑箱策略可能失效的原因，并按训练时观测可得性给出两条校正路径；其理论假设与实际适用性尚需全文核验。