通过后继状态测度学习多样化技能以促进探索

基于摘要分析。本文研究强化学习中如何学习一组多样化技能，使其均匀覆盖状态空间，并提出 LEADS（Learning Diverse Skills through Successor States）。核心思路是考察各技能条件策略所到达的状态分布，利用 successor state measure（后继状态测度）增大不同技能对应分布之间的差异，以促进探索。 方法建立在状态与技能之间互信息的既有定义之上，将技能多样性与状态空间覆盖联系起来。摘要未提供后继状态测度的具体估计方法、分布差异的度量、优化目标形式或训练流程，因此尚不能判断该形式化与既有互信息技能发现方法之间的具体实现差异。 作者报告，在迷宫导航和机器人控制任务中，LEADS 能构建覆盖状态空间的多样化技能集合，且不依赖奖励或探索奖励项。不过，摘要末句又将更稳健、高效的探索归因于结合互信息最大化与探索奖励；两处表述之间的关系需结合正文核对。摘要未提供任务名称、对照基线、覆盖率定义或定量结果，实验协议、消融及统计信息尚未验证。 本研究的主要对象是智能体技能发现与控制探索，而非神经信号建模。材料未给出该机制与 EEG/BCI 的具体对应关系，不据此生成迁移效果判断或复现实验建议；已有 EEG 相关工作尚未检索确认。