超越状态到达：学习用于内在动机选项发现的抽象

基于摘要分析。本文研究强化学习中由内在动机驱动的选项发现（option discovery），提出为每个子目标识别少量相关状态特征，而非同时针对状态的全部方面，以学习适用范围更广的时间抽象。作者报告，该方法在三个基于图像的稀疏奖励领域中实现快速探索，其中包括 Atari 游戏 MontezumasRevenge。 核心机制是改变子目标的描述范围：摘要指出，现有状态到达（state-reaching）方法同时约束状态的多个方面，导致选项仅适用于状态空间的狭窄区域，进而引发选项数量膨胀，妨碍智能体推进奖励最大化这一主要任务。新方法通过为各子目标学习较小的相关特征子集，试图减少对无关状态变化的依赖。作者将所得选项描述为抽象且可迁移，但摘要未交代特征选择、抽象学习、内在奖励或选项执行的具体实现，尚不能确定其优化目标及迁移条件。 结果层面，作者报告了上述三个领域中的探索效果，但未提供其余领域名称、具体指标、数值、对照算法或训练预算。实验协议、消融及统计信息尚未验证；尤其需核对“广泛泛化”与“可迁移”分别对应哪些评估设置，以及选项数量和主任务奖励是否得到直接测量。 本文的主要对象是图像环境中的强化学习探索，并非 EEG 解码或 BCI 验证。摘要没有建立该抽象机制与神经信号任务的具体对应关系，因此不据此提出 BCI 复现实验或宣称可改善跨被试泛化；已有 EEG 相关工作尚未检索确认。复现前仍需取得全文，核对特征表示、子目标构造、选项学习流程及实现可用性。