COLLIE：在语义连贯的潜在空间中引导技能发现

基于摘要分析。本文研究强化学习中的引导式技能发现（GSD）：如何在没有任务奖励函数的技能学习中，利用稀疏、在线收集的人类反馈，引导探索有意义的行为并减少危险行为。作者提出 COLLIE，利用密集的无监督数据构建语义连贯的技能潜在空间，并据此构造无需额外模型训练的引导信号；这里的“无需训练”仅针对引导信号构造，并不意味着技能学习无需训练。 其核心思路是先组织技能潜在空间，再借助该空间的语义结构提高稀疏反馈的引导可靠性。作者将其与需要额外引导模型、预定义规则或专家示范的既有 GSD 方法区分开来，并表示理论分析支持这一引导机制。摘要未给出语义连贯性的数学定义、学习目标、反馈形式及引导信号计算方式，尚不能判断其具体实现与适用条件。 作者报告，在多种基于状态输入和像素输入的任务中，COLLIE 能以少量人类反馈学习多样且符合人类意图的技能、避免危险行为，并取得更好的下游性能。摘要未提供任务名称、评价指标、反馈预算、对照基线或数值，因而这些结论的量化幅度及适用边界尚未验证；实验协议、消融及统计信息也尚未验证。 平台推测（待验证）：其潜在对应场景是 EEG/BCI 驱动的共享控制，而非直接的神经信号解码。假设机器人技能空间可由大量无监督交互数据组织，可尝试以稀疏 BCI 指令提供偏好或选择反馈；可复用的是技能空间与引导机制，需改造的是神经信号到反馈的映射及不确定性处理。低信噪比、跨被试差异和少量校准数据可能使反馈语义不稳定。一个可证伪的小实验是在同一技能库和反馈预算下，比较干净反馈与注入实测 EEG 解码错误的反馈，检验任务成功率及危险行为率是否仍有改善。以上不属于本文已验证结果，相关 EEG 工作尚未检索确认。