Door(s)：用于强化学习高效探索的交汇状态估计

基于摘要分析。本文研究稀疏奖励下强化学习的探索效率，提出启发式方法 Door(s)，识别状态空间中连接大量其他状态的狭窄通道或交汇状态，以支持环境探索及下游机器人操作任务学习。 其核心机制是估计状态占据分布并计算其熵，以此构造衡量状态通道作用的指标。摘要未给出该指标的具体公式、分布估计方式及其如何接入探索策略，不能将其直接等同于熵最大化奖励或特定策略优化算法。作者报告，相比类似方法，该指标的计算具有更高样本效率，并能在较长时域内稳健工作；结果还展示了死胡同状态检测、探索效率提升，以及 Door(s) 所编码的特定行为对多种机器人操作任务下游学习的用途。摘要未列出任务名称、比较基线、指标数值及训练预算，实验协议、消融及统计信息尚未验证。 平台推测（待验证）：其潜在可迁移对象是 BCI 闭环控制中的探索策略，而不是 EEG 解码器本身。假设任务具有可重复访问的控制状态及明确的转移结构，可考虑复用状态占据分布估计和通道评分，并改造状态表示以处理神经信号噪声与用户状态变化。低信噪比、跨被试差异及有限交互数据可能使估计到的通道不稳定。一个可检验的小实验是在固定解码器的模拟 BCI 导航任务中，用相同交互预算比较加入与不加入 Door(s) 的探索策略，考察状态覆盖和任务成功率，并逐步增加解码噪声；这属于迁移假设，已有 EEG 相关工作尚未检索确认。