PAMD：用于视觉强化学习双模拟表征的结构化自适应距离

基于摘要分析。该研究面向视觉强化学习中的双模拟（bisimulation）表征学习，提出 Pairwise Adaptive Mahalanobis Distance（PAMD），以正定、样本对条件化的潜在空间度量替代预先指定的固定距离，旨在提高潜在状态相似性对行为相似性的表达能力。 这类方法通常使潜在表征之间的距离匹配由奖励与状态转移相似性诱导的行为距离。作者指出，固定的全局范数（如 ℓ_p 范数）可能限制表达能力，而不受约束的成对距离可能出现仅降低度量损失、却未改善表征的退化解。PAMD 的核心是对依赖状态对的正定度量进行参数化，并作为现有双模拟方法的可插拔组件；具体参数化方式、正定性实现及防退化依据尚未验证。 作者报告，在视觉 MuJoCo 连续控制任务上，为若干近期双模拟强化学习算法加入 PAMD 后，其最终性能得到明显改善。摘要未提供具体任务清单、对照算法名称、评价指标、数值或训练预算，因而不能判断增益幅度、稳定性及计算代价；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：该机制可能与 EEG 状态表征中固定距离难以适应异质性的瓶颈有关，但原方法依赖奖励与状态转移所定义的行为相似性，并非一般 EEG 分类度量。若用于具有明确状态、动作和奖励记录的 EEG 闭环任务，可考虑复用结构化距离模块，改造信号编码器与行为距离定义；低信噪比、跨被试差异、通道变化及小样本均可能使成对度量过拟合。一个可证伪的小实验是在固定编码器、训练预算及被试划分下，仅替换固定距离与 PAMD，比较留出被试的控制表现和表征稳定性。已有 EEG 相关工作尚未检索确认。