以场景图作为关系状态抽象的半静态环境信念空间规划

基于摘要分析。研究面向机器人在有人类活动的环境中搜索物体的问题：机器人既只能部分观察环境，又需要适应长期运行中发生的半静态变化。作者提出基于 Scene Graph（SG，场景图）的 POMDP（部分可观测马尔可夫决策过程）表述，将不确定性直接定义在物体关系状态上，并通过随机关系转移描述环境变化。 核心机制是用关系式场景表示替代传统度量状态表示，再将长时域在线规划器与适配 SG 的信念更新机制结合，使规划直接在关系状态的信念空间中进行。其主要贡献是状态抽象、环境动态建模与信念更新的联合设计，而非摘要中可确认的神经网络或状态空间序列模型。关系的具体定义、观测模型、转移概率的获取方式及规划器实现尚未验证。 作者报告，在相同规划条件下，与传统基于度量表示的方案进行仿真比较，该框架提升了规划效率。摘要未提供效率指标、数值、场景规模或任务成功率，因此无法判断收益幅度及其是否伴随搜索质量变化；实验协议、消融及统计信息尚未验证。复现需进一步核对场景图构建方式、半静态变化的生成规则、信念更新算法，以及双方规划预算和终止条件。 原论文的主要对象是机器人关系状态下的物体搜索，不是 EEG 解码或 BCI。材料未建立关系状态与神经信号任务之间的具体机制对应，故不据此提出 BCI 迁移效果或复现实验建议；已有 EEG 相关工作尚未检索确认。