模拟机器人上的零样本学习

本工作中我们提出一种利用单源数据学习如何完成多个新任务的方法。任务迁移通过自模型实现，该模型封装系统动力学并作为强化学习的环境。为研究此方法，我们在多种机器人形态上以随机采样动作训练自模型。利用自模型、初始状态及对应动作，我们可预测下一状态。该预测性自模型随后由标准强化学习算法使用，以在从未见过的“真实”环境状态情况下完成任务。这些训练所得策略使机器人能在“真实”环境中成功达成目标。我们证明，在自模型上训练不仅远比学习甚至单个任务更具数据效率，而且允许学习新任务而无需任何额外数据收集，本质上实现了新任务的零样本学习。