多任务策略搜索

学习能够泛化至多个任务的策略是强化学习和机器人学中一个重要且具有挑战性的研究课题。为每一个潜在任务单独训练策略通常是不切实际的，特别是对于连续的任务变化而言，这需要更原则化的方法在相似任务之间共享和迁移知识。我们提出了一种新颖的方法，用于学习一种能够泛化至多个任务的非线性反馈策略。其核心思想是将参数化策略定义为状态和任务的函数，从而允许学习单一策略以泛化至多个已知和未知任务。展示了该新颖方法在真实机器人实验的强化学习和模仿学习中的应用。