CQM：基于量化世界模型的课程强化学习

基于摘要分析。CQM 研究课程强化学习在高维观测空间中难以生成课程目标、往往依赖人工指定目标空间的问题，提出自动构建语义目标空间并在其中选择课程目标的方法。其主要研究对象是目标到达任务，而非 EEG 解码或 BCI。 机制上，方法使用 vector quantized-variational autoencoders（VQ-VAE）将连续观测离散化，再通过图恢复离散观测之间的时间关系；在自动构建的目标空间中，结合不确定性与时间距离选择逐步通向最终目标的课程目标。摘要未说明量化表征的具体训练目标、图的构建与更新规则，以及不确定性和时间距离的计算方式，相关实现尚未验证。 作者报告，在仅提供原始目标示例、缺乏环境先验信息的条件下，该方法能够实现高效探索；在多种目标到达任务中，包括采用自我中心视角视觉输入的任务，相较所比较的课程强化学习方法取得更好的数据效率与任务表现。摘要未提供任务名称、具体指标、数值或基线配置，不能据此量化优势；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 驱动的交互环境具有明确的目标到达任务和连续交互轨迹，可考察离散状态表征与时间关系图能否辅助课程构建。该假设依赖可学习的状态结构与足够的轨迹覆盖，不能由视觉任务结果直接推出。可能复用的是目标空间构建和课程选择思路，需要改造的是 EEG 观测编码与目标定义；低信噪比、跨被试差异、通道变化及小数据可能使量化状态主要反映噪声而非任务进展。一个可检验的小实验是在固定 EEG 交互协议与训练预算下，对比自动课程与人工课程的目标达成率和交互样本需求，并独立评估跨会话稳定性。已有 EEG 相关工作尚未检索确认。