持续强化学习的最新进展与挑战：综合综述
机器学习
2025-06-30 v1
摘要
强化学习（RL）任务的多样性和动态本质要求RL代理能够顺序和持续学习，这种学习范式称为持续强化学习。本综述回顾了持续学习如何将RL代理转化为动态持续学习者。这使RL代理能够无缝获取和保留有用且可重用的知识。该论文深入探讨了持续强化学习的基本方面，探讨关键概念、重大挑战和新方法。特别强调了在机器人领域最新进展，以及概述了主要研究中使用的评估环境，便于新手入门。综述以讨论局限性和前景方向结束，为研究人员和实践者提供有价值的见解。
引用
@article{arxiv.2506.21899,
title = {Advancements and Challenges in Continual Reinforcement Learning: A Comprehensive Review},
author = {Amara Zuffer and Michael Burke and Mehrtash Harandi},
journal= {arXiv preprint arXiv:2506.21899},
year = {2025}
}
备注
65 pages, 9 figures