Meta-Evolve：面向一对多策略迁移的连续机器人进化

我们研究了将专家策略从源机器人迁移到多个不同机器人的问题。为了解决这个问题，我们提出了一种名为Meta-Evolve的方法，该方法利用连续机器人进化，通过一组树状结构的进化机器人序列，将策略高效地迁移到每个目标机器人。机器人进化树允许共享机器人进化路径，因此我们的方法可以显著优于朴素的一对一策略迁移。我们提出了一种启发式方法来确定优化的机器人进化树。实验表明，与启动多个独立的一对一策略迁移的基线相比，我们的方法能够将操作策略的一对三迁移效率提高多达3.2倍，将敏捷运动策略的一对六迁移效率提高2.4倍（以模拟成本计）。