JueWu-MC：以样本高效的分层强化学习玩 Minecraft

基于摘要分析。本文研究 Minecraft 开放世界游戏中，部分可观测、高维视觉输入和延迟奖励共同造成的强化学习困难，提出结合表征学习与模仿学习的分层强化学习方法 JueWu-MC，以改善感知、探索及样本效率。 方法采用两级层次结构：高层控制器学习在 options 之间选择的策略，低层执行器学习完成各子任务。为促进子任务学习，作者结合三项技术：动作感知表征学习，用于捕捉动作与表征之间的潜在关系；基于判别器的自模仿学习，用于提升探索效率；带一致性过滤的集成行为克隆，用于增强策略鲁棒性。摘要未给出具体损失函数、options 的构建方式、训练数据来源或各模块的训练流程。 作者报告，在 Minecraft 实验中，JueWu-MC 相较所比较的基线显著提高样本效率并取得较大性能优势；作者还报告获得 NeurIPS MineRL 2021 research competition 冠军，并称取得当时最高性能分数。摘要未提供具体分数、交互预算、基线配置及统计信息，因此尚不能量化改进幅度或区分各技术的独立贡献；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：可供 BCI 方法研究参考的是“动作—表征关联”的学习机制，而非 Minecraft 任务表现本身。假设具备同步 EEG、动作或控制指令及交互反馈，可考察动作关联监督能否改善闭环控制中的状态表征；这依赖可用的交互数据，不能直接套用于仅含离线分类标签的数据。需将视觉表征模块改造为 EEG 编码器，并重新定义动作关联目标；低信噪比、动作伪迹、跨被试与通道差异及小数据可能使关联失效。一个可证伪的小实验是固定 EEG 编码器、数据划分和下游控制任务，仅比较加入与不加入动作关联目标的结果，并用打乱动作配对作为对照。已有 EEG 相关工作尚未检索确认。