通过监督学习与强化学习之间的表示共享实现自适应条件神经运动基元

基于摘要分析。本文研究机器人如何在学习示范动作后，通过自主探索适应新环境，并在不同形态的机器人之间迁移技能。作者提出 Adaptive Conditional Neural Movement Primitives（ACNMP），利用 Conditional Neural Process（CNP）学习的潜在表示，将获取示范轨迹的监督学习（SL）与发现新轨迹的强化学习（RL）结合起来。 核心机制是让 SL 与 RL 共享表示并同时训练：前者约束模型学习已有示范，后者推动策略探索新的轨迹。作者报告，在仿真实验中，ACNMP 能外推到纯 Learning from Demonstration（LfD）无法处理的情境，并在适应新情境时保留示范轨迹的形状。在到达任务的外推实验中，作者报告相较已有方法实现了数量级的 RL 样本效率提升；摘要未提供具体样本数、对照方法及统计范围，不能据此作更精确的比较。对于不同形态机器人之间的技能迁移，作者报告其学习速度具有竞争力，且所需假设更少，具体假设与比较协议尚待正文核对。 作者还通过涉及避障、抓取放置和倾倒动作的真实机器人实验展示方法的现实适用性。摘要未给出 CNP 的具体结构、SL 与 RL 的损失组合、奖励设计、训练调度及实验规模；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：可考虑的迁移对象是 BCI 驱动的机器人运动控制，而非直接将本方法视为 EEG 解码算法。其机制假设是，以示范轨迹形成动作先验，再用任务奖励适应控制偏差；这依赖可用的示范轨迹、任务反馈以及神经解码输出与机器人动作之间的接口。可复用的是轨迹表示共享思路，需改造的是条件输入和奖励接口。EEG 的低信噪比、跨被试或通道变化，以及有限在线交互数据，都可能使探索不稳定或削弱示范保持效果。一个可检验的小实验是在相同示范、解码输入与交互预算下，对比纯 LfD、分阶段 LfD+RL 与共享表示的同时训练，分别测量任务成功率、轨迹偏离和所需交互次数。已有 EEG 相关工作尚未检索确认。