保持人类在环：在连续动作空间环境中通过反馈进行教学

基于摘要分析。本文研究机器人在连续动作空间中如何利用人类教师反馈加速强化学习，提出 Continuous Action-space Interactive Reinforcement learning（CAIR），将从环境与教师反馈中学得的策略融合为单一策略。主要研究对象是交互式强化学习与机器人控制，而非 EEG 解码或 BCI。 核心机制是根据环境策略与教师策略的一致程度，对两者进行比例加权。作者认为，这种融合能够在教师反馈存在噪声或粒度较粗时，支持相对稳定的策略学习。摘要未给出一致程度的计算方式、具体权重函数、反馈表示、损失或训练流程，上述实现细节尚未验证。作者将 CAIR 描述为首个能够利用教师反馈、在相关连续动作任务上超越当时先进 RL 算法的 IntRL 算法，这一优先性主张尚未独立核实。 作者报告，在两个模拟机器人任务中，使用易于设计和理解的启发式 oracle 教师验证了方法；此外，通过 Amazon Mechanical Turk 开展人类被试研究，并报告 CAIR 优于此前的先进 Interactive RL 方法。摘要未提供任务名称、被试人数、数据划分、基线配置或具体指标，因此不能量化提升或判断不同评估条件下的可比性；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 BCI 连续控制系统同时具备环境回报与用户评价反馈，CAIR 的策略融合思路可能用于协调自主控制和用户教学。该假设依赖可对齐的连续动作表示及可获得的教师反馈；可复用的是双策略融合思路，反馈采集、延迟处理与一致性估计则需针对 EEG 控制改造。低信噪比、跨被试差异、通道变化及小数据条件可能使策略分歧反映解码误差而非教学价值。一个可证伪的小实验是在固定 EEG 解码器的连续控制任务中，比较一致性加权与固定权重融合，并受控改变反馈噪声及延迟，检验任务回报和控制稳定性。该建议不是原论文结果，相关 EEG 工作尚未检索确认。