面向长时程操作的基于图的奖励学习与自动子任务发现

基于摘要分析。本文研究如何从视觉演示中学习长时程机器人操作技能，以减少人工奖励设计与子任务标注的负担。作者提出基于图的逆强化学习（IRL）框架，从对象及其关系中学习具有语义基础的稠密奖励，用于衔接模仿学习（IL）与强化学习（RL）。 核心机制是将检测到的对象及其关系构成场景图，通过图神经网络编码，再以加权池化突出随任务执行而变化的相关实体。框架根据潜在空间中与目标的距离定义稠密奖励，而非直接依赖原始像素。摘要未提供对象检测方式、图关系定义、奖励学习目标或距离函数的具体形式。 作者报告，所学奖励随执行过程呈现可解释的阶段性结构，反映任务的语义进展，可作为无需人工分段识别子任务边界的信号。该框架既可为完整任务的直接 RL 提供奖励，也可在更复杂任务中支持子任务级策略学习；但具体边界提取方法及子任务策略训练流程尚未验证。 在多步操作任务实验中，作者报告该对象中心奖励相较像素表征和图表征基线改善了下游 RL 表现，并在长时程任务中产生具有语义意义的奖励转换。摘要未给出任务名称、数据规模、划分协议、评估指标、提升幅度或统计不确定性，不能据此判断改善幅度及跨视觉变化的泛化程度；实验协议、消融及统计信息尚未验证。 复现时需核对场景图构建、目标表征、奖励训练与策略训练的数据使用方式，以及阶段转换和人工语义边界的一致性。本文主要研究对象是机器人操作，并非 EEG 解码或 BCI；材料未建立与神经信号任务的具体机制对应，因此不将其结果外推为 BCI 有效性证据。已有 EEG 相关工作尚未检索确认。