面向障碍物密集环境中交互式导航智能体的跨维度场景表征学习

基于摘要分析。本文研究具身视觉导航中智能体通过移动障碍物等物理交互改变环境、提高抵达目标效率的问题，提出强化学习（RL）框架下融合 2D 与 3D 观测的跨维度场景表征模块。其主要研究对象是交互式导航智能体，而非 EEG 解码或 BCI。 方法首先分别使用 2D 和 3D 观测编码器提取特征，再通过联合表征网络将 2D 特征图提升至 3D，与三维观测对齐后融合。其核心思路是利用二维与三维观测的互补信息，为需要物理交互的导航决策提供更丰富的场景表征。摘要未说明具体观测模态、升维与对齐实现、损失函数、RL 算法或训练规模。 作者报告，在 iGibson 环境中的实验相较基线方法取得显著改进；摘要未提供指标、数值、基线名称及评估划分，因此无法判断增益大小、统计显著性检验或泛化范围。实验协议、消融及统计信息尚未验证，复现还需核对环境配置、交互动作定义、奖励设计与实现细节。 平台推测（待验证）：该方法依赖可对齐的二维与三维场景观测，其跨维度融合思路不能直接视为 EEG/BCI 方法。现有材料未建立场景升维机制与神经信号建模之间的具体对应关系，暂不据此提出迁移实验；相关 EEG 工作尚未检索确认。