通过多任务学习获取基础策略以生成运动技能

在本研究中,我们提出一种用于基础策略获取的多任务强化学习算法,以生成新颖的运动技能。在多任务策略的丰富表示学习是动态运动生成任务中的一大挑战,因为策略需要应对具有不同奖励函数或物理参数的目标或环境变化。受人类感觉运动适应机制启发,我们开发了学习流程以构建编码器-解码器网络及网络选择,从而在多种情形下促进基础策略的获取。首先,我们在标准多运动任务中将所提方法与以往多任务强化学习方法进行比较。结果表明所提方法优于基线方法。随后,我们将所提方法应用于使用单足机器人模型的顶球任务以评估技能生成性能。结果表明,所提方法能够适应新颖的目标位置或未经训练的球恢复系数,并获取一个最初为顶球运动学习的基础策略网络,该网络可生成全新的过顶踢球技能。