学习撤销变换：线性状态空间变换下的迁移强化学习

基于摘要分析。本文研究强化学习（RL）中何时以及如何在源、目标马尔可夫决策过程（MDP）之间获得可证明的迁移收益。核心贡献是学习一个线性 undo map：将其应用于目标状态空间后，能够精确恢复源 MDP，并据此将源策略迁移到目标任务。 方法通过收集两个 MDP 的状态特征统计量，以线性回归学习该映射，再从源策略零样本获得目标策略。这里的“零样本”指摘要所述的策略迁移方式，不意味着完全无需目标环境数据，因为映射学习仍依赖目标 MDP 的统计量。摘要未说明统计量的具体形式、采集策略，以及“精确恢复”对转移、奖励和动作空间的完整要求。 作者报告，在 linear MDPs 及论文设定的假设下，该方法的样本复杂度严格优于从头学习；在具有挑战性的连续控制任务中，作者报告其样本效率显著改善，且收益可延伸到非线性设置。具体任务、基线、样本预算、效果数值、实验协议、消融及统计信息尚未验证，不能据此认定其适用于任意任务间迁移。 平台推测（待验证）：若某个 EEG 驱动的闭环 RL 系统在不同被试或会话之间，仅存在近似线性的状态特征变换，而奖励与控制动力学能够保持对应，该机制可能用于校正状态表征后复用策略。可复用部分是统计量回归与映射后的策略调用；需改造的是 EEG 状态特征、统计量采集及 MDP 对应关系的验证。低信噪比、通道变化、非平稳性及小数据可能使映射不可辨识；跨被试的动力学差异也可能直接破坏核心假设。可先在固定闭环任务中人为施加已知线性特征变换，比较映射迁移、直接迁移与从头学习，并加入非线性扰动检验失效边界。该实验只能验证受控条件下的机制，不能替代真实跨被试验证；相关 EEG 工作尚未检索确认。