Accelerating Reinforcement Learning via Error-Related Human Brain Signals

该论文由 Suzie Kim、Hye-Bin Shin 与 Hyo-Jeong Jang 署名，论文时点均属于 高丽大学。研究把公开 HRI-ErrP 数据集中 12 名参与者的离线 EEG 解码结果用于 7 自由度机械臂仿真的 reward shaping。

观察

• Suzie Kim 标注 Department of Artificial Intelligence。
• Hye-Bin Shin 与 Hyo-Jeong Jang 标注 Department of Brain and Cognitive Engineering。
• 作者报告中等反馈权重可加速学习，而过高权重会放大噪声、降低任务表现并使策略过度保守。

证据边界

这项工作使用公开数据和仿真机械臂，不是实时闭环新采集，也不是企业产品现场结果。它只能作为 MindSpace、脑电与具身智能 和 脑电进入机器人训练 的相邻学术证据。

证据

• 原始资料快照（本地归档）
• arXiv