通过后继状态测度学习多样化技能以实现探索

基于摘要分析。该研究面向强化学习中的探索问题，目标是学习一组能够均匀覆盖状态空间的多样化技能。作者提出 LEADS（Learning Diverse Skills through Successor State Measures），利用后继状态测度（successor state measure）刻画不同技能条件策略所到达的状态分布，并通过增大这些分布之间的差异促进技能多样性。 方法以状态与技能之间的互信息定义为基础，进一步形式化多样化技能搜索。其关注点不仅是区分技能，还包括这些技能共同形成的状态空间覆盖；具体分布差异度量、优化目标、策略训练方式及后继状态测度的估计方法，摘要尚未说明。 作者报告，在一组迷宫导航与机器人控制任务中，LEADS 能够构建覆盖状态空间的多样化技能，且不依赖奖励或探索奖励。不过，摘要结尾又将更稳健、高效的探索归因于互信息最大化与探索奖励的结合，两处表述如何对应尚未验证，不能据此确定实际训练是否使用探索奖励。任务配置、覆盖率指标、对照基线、样本效率、消融及统计信息亦尚未验证。 平台推测（待验证）：若交互式 BCI 可提供可重复交互的状态空间、技能条件策略及足够轨迹，该机制或可用于研究控制策略的行为覆盖，而非直接用于 EEG 解码。可复用的是技能条件状态分布的比较思路；需要改造状态表示、技能定义与安全约束。EEG 低信噪比、跨被试及通道差异、小数据条件可能使分布差异反映观测噪声而非真实行为差异。可检验的小实验是在固定交互预算的模拟控制任务中，比较 LEADS 与互信息技能学习基线的状态覆盖，并加入观测噪声检验稳定性。该假设不代表已证实的 BCI 效果，已有 EEG 相关工作尚未检索确认。