通过嵌入控制部分可观测系统：具有可证明样本效率的表示学习

基于摘要分析。本文研究部分可观测马尔可夫决策过程（POMDP）中的表示学习与策略优化，提出 Embed to Control（ETC），通过两级低维表示处理长历史依赖以及连续观测、状态空间带来的样本复杂度问题。 核心机制包括：在单步层面，学习能够分解转移核的低维状态特征；在多步层面，将逐步特征组合为完整历史的低维嵌入，并在优化策略的同时学习表示。作者将两者纳入统一框架，允许采用包括最大似然估计与生成对抗网络在内的多种估计器；摘要未给出具体损失形式和实现细节。 作者报告，对于转移核具有低秩结构的一类 POMDP，ETC 的样本复杂度为 O(1/ε²)，且随时域长度和内在维度（即秩）呈多项式增长，其中 ε 为最优性差距。这是特定结构条件下的理论保证，并非任意部分可观测任务中的经验性能结论。定理的完整假设、其余复杂度依赖、实验协议、消融及统计信息尚未验证。 平台推测（待验证）：闭环 BCI 中，神经观测未必充分揭示用户意图或系统状态，历史嵌入可能提供可复用的建模思路；但迁移依赖动作—观测轨迹，以及低秩转移结构和状态特征可学习性是否成立。需改造观测编码与交互接口，低信噪比、跨被试差异和有限交互数据均可能使这些条件失效。可先在具有可控隐状态和观测噪声的闭环 BCI 仿真中，固定交互预算，比较历史嵌入与仅用当前观测的策略表现，并改变转移秩检验结构依赖。该实验仅检验迁移假设；已有 EEG 相关工作尚未检索确认。