面向时变复合动作空间的结构化协作强化学习

基于摘要分析。本文研究实际任务中复合动作空间随时间变化时的鲁棒性与迁移能力：既有子动作可能因环境变化暂时失效，系统也可能加入此前未见的子动作。作者提出 SCORE，将单智能体的复合动作决策重构为完全合作的部分可观测随机博弈，而非研究 EEG 解码或 BCI。 方法采用集中式 critic 与分散式 actor 框架，以图注意力网络捕捉异构子动作之间的依赖关系；通过分层变分自编码器将异构子动作空间映射到共同潜在动作空间，促进拆解后智能体之间的协作；另引入隐式信用分配结构，处理合作决策中的贡献归因问题。摘要未给出具体损失、训练流程及新增子动作的接入方式。 作者报告，在概念验证任务与精准农业任务中，SCORE 对时变复合动作空间表现出鲁棒性和迁移能力优势。摘要未提供数值、对照基线、数据规模或动作变化协议，因此无法判断优势幅度及适用边界；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 BCI 控制任务确实包含功能不同、可用性动态变化的子动作，该方法可能为下游控制策略提供机制参考，而非直接改善 EEG 表征。可复用部分是子动作依赖建模与共享潜在动作表示；需改造状态观测、动作定义及奖励接口。迁移依赖可定义的动作结构、奖励反馈和足够交互数据，低信噪比、跨被试差异及小样本可能造成状态估计不稳或训练不足；EEG 通道变化也不能直接等同于动作空间变化。可先在固定 EEG 解码器后的模拟控制环境中，仅改变子动作可用性，与相同交互预算的动作屏蔽策略比较累计回报与失效动作选择率。已有 EEG 相关工作尚未检索确认。