基于参数组合框架的高效多任务与迁移强化学习
机器人学
2023-06-06 v1 机器学习
摘要
在本工作中，我们研究在强化学习设定中改善多任务训练的潜力，并借此将其用于迁移。我们确定了朝向该目标的若干挑战，并提出了一种具参数组合公式的迁移方法。我们探究改进作为迁移基础的多任务强化学习训练的途径。随后我们在多种操控任务上进行一系列迁移实验。实验结果表明，所提方法在多任务训练阶段具有更优性能，并进一步在样本效率与性能两方面展现出有效迁移。
引用
@article{arxiv.2306.01839,
title = {Efficient Multi-Task and Transfer Reinforcement Learning with Parameter-Compositional Framework},
author = {Lingfeng Sun and Haichao Zhang and Wei Xu and Masayoshi Tomizuka},
journal= {arXiv preprint arXiv:2306.01839},
year = {2023}
}
备注
8 pages, accepted by IEEE Robotics and Automation Letters (RA-L)