SLAC：用于真实世界全身强化学习的仿真预训练潜在动作空间

基于摘要分析。SLAC 面向双臂移动操作等高自由度机器人，研究如何兼顾真实世界强化学习的安全探索与样本效率，并降低直接仿真到现实迁移对现实差距的敏感性。其核心贡献是在低保真仿真器中预训练任务无关的潜在动作空间，再将其作为真实世界下游强化学习的动作接口。 机制上，SLAC 采用定制的无监督技能发现方法，旨在促进时间抽象、解耦与安全性；随后使用一种离策略强化学习算法，通过真实机器人交互学习下游任务。这里迁移的主要对象是动作表示与技能接口，而非摘要中明确给出的端到端任务策略。具体表示结构、优化目标、安全约束实现及离策略算法细节尚未验证。 作者报告，在一组双臂移动操作任务上，SLAC 相对既有方法取得最先进性能；作者还报告，在不依赖示范或手工设计行为先验的条件下，可用不足一小时的真实世界交互学会接触密集型全身任务。该时间对应上述机器人任务的交互预算，不能等同于总训练时间；具体任务、基线、成功率、重复试验及统计信息尚未验证。 平台推测（待验证）：若用于 BCI 驱动的机器人控制，可考虑让神经信号解码器输出低维潜在技能指令，而由机器人技能接口承担高自由度控制；这并非论文已验证的 EEG 方法。该假设依赖可用的机器人仿真与交互数据，仍需改造神经信号到技能指令的映射，并验证技能可控性、切换延迟与安全性。低信噪比、跨被试差异及小样本校准可能使技能选择不稳定。一个可证伪的小实验是在相同 EEG 划分、校准预算和机器人任务下，比较潜在技能接口与离散动作接口的任务成功率、误触发及完成时间。相关 EEG/BCI 工作尚未检索确认。