互信息状态内在控制

基于摘要分析。该研究针对强化学习依赖精心设计奖励的问题，提出一种鼓励智能体增强环境控制能力的内在目标：在当前策略下，最大化智能体自身状态与周围环境状态之间的互信息。其主要研究对象是内在动机强化学习与环境交互控制，而非 EEG 解码或 BCI。 核心机制建立在智能体知道哪些部分构成“自身”的假设上，以自身状态与周围状态之间的统计依赖构造内在奖励。这里的关键是状态划分与互信息目标，而不是来源栏目名称所暗示的某种特定状态空间模型架构。摘要未说明互信息的估计方式、策略优化流程，以及如何区分统计依赖与实际控制能力，这些均需查阅全文核对。 作者报告，该方法在其评估任务中优于此前方法，并声称首次在不使用任何任务奖励的条件下完成 pick-and-place（拾取与放置）任务。摘要未提供具体基线、环境设置、成功率、重复次数或统计不确定性，不能据此量化优势，也不能将该结论推广为一般性的无奖励任务学习能力。实验协议、消融及统计信息尚未验证。 对 BCI 的适用性尚未建立：若考虑将该目标用于闭环交互，首先需要明确“智能体自身状态”与外部反馈状态的可观测定义，并验证互信息是否反映用户可控的交互，而非共同刺激或噪声引起的相关性。平台推测（待验证）：该目标可能提供一种研究闭环控制内在反馈的思路，但 EEG 状态估计与原方法假设是否兼容仍未知；已有 EEG 相关工作尚未检索确认，当前材料不足以提出具体复现实验。