利用目标条件双模拟学习可迁移技能

基于摘要分析。本文研究无奖励数据上的无监督技能发现，目标是预训练能够迁移到未见环境布局的通用策略。作者提出动作感知的时序表征学习目标，并在该嵌入基础上利用 bisimulation（双模拟）发现技能，使技能行为仅依赖直接影响其执行的状态特征，从而减少布局变化带来的影响。 机制上，表征学习目标要求满足 functional equivariance（函数等变性），同时保留环境的局部时间结构；技能发现则通过限制行为所依赖的状态特征，促使同一技能在不同布局中保持不变行为。摘要将既有方法的局限概括为依赖专家数据或迁移泛化不足，但未提供具体对照方法。标题中的目标条件如何进入模型、双模拟关系如何构造，以及损失形式、状态特征筛选与训练流程，均尚未验证。 作者报告，在一个环境中学习的技能可用于多种环境布局下的下游任务，并表现出较强的分布外泛化。摘要未给出环境名称、数据规模、布局划分、评价指标或具体数值，实验协议、消融及统计信息尚未验证；需结合全文核对迁移时是否需要额外适配及其数据与交互成本。 本文的直接研究对象是环境中的策略与技能迁移，并非 EEG 表征或 BCI 解码。摘要未建立环境状态、动作与 EEG 信号之间的具体对应关系，因此不能据此推断跨被试或跨会话 BCI 效果；已有 EEG 相关工作尚未检索确认。