学习具有 PAC 保证的状态依赖可达—避险概率界

基于摘要分析。本文研究控制策略虽在平均意义上成功、却可能从特定初始状态失败的问题，提出 Reach-Avoid Probability Certification（RAPC）：仅利用仿真轨迹学习状态依赖函数 q(x)，并认证其作为策略从 x 出发、先到达目标而非不安全集合的成功概率下界。 其保证并非对所有状态逐点成立：作者给出的 PAC 保证是，以至少 1−δ 的概率（针对学习与认证过程的随机性），返回的 q 高估真实成功概率的初始状态，其总概率质量不超过 ε；摘要称该保证也适用于策略与概率界自适应更新的情形。核心机制是把无法直接观测的“某个初始状态上的概率界被高估”，联系到从该状态重复仿真后可观测的二项置信检验失败事件。通过将 q 校准至这些置信限，方法获得不依赖具体学习器的检验接受概率下界；对固定校准流程，作者称无需额外独立验证批次即可认证 q。 作者报告，在 12 维 Hopper 环境和具有 44 维观测的 PointGoal 环境中，各任务的十个随机种子均获得认证。在更宽的 Hopper 初始状态分布下，学习所得概率界在十个种子上的平均值为 0.82，而通过同一检验的最大常数界为 0.51。这里比较的是认证界的数值，并非策略成功率提升，也不能据此推断跨环境泛化。 作者提供了匿名代码地址，但实现内容尚未核验。初始状态分布、重复仿真次数、ε 与 δ 的具体取值、自适应更新约束、统计开销及消融信息尚未验证。研究对象是仿真控制策略的概率认证，摘要未提供 EEG 或 BCI 验证，不应将其视为已证实的 BCI 方法。