利用抽象俯视图学习在新型布局迷宫中导航

在不同环境中学习导航能力长期以来一直是决策领域的重大挑战之一。在本工作中，我们关注使用给定抽象 $2$-D 俯视图的零样本导航能力。如同人类通过阅读纸质地图进行导航，智能体在一组训练地图上学习导航后，在进入新型布局时将地图作为图像进行读取。我们针对这一多任务学习问题提出了一种基于模型的强化学习方法，该方法联合学习一个以俯视图作为输入并预测转移网络权重的超模型。我们使用 DeepMind Lab 环境并利用生成的地图自定义布局。我们的方法在零样本条件下能更好地适应新环境，且对噪声具有更强的鲁棒性。