论文笔记—learning invariant feature spaces to transfer skills with RL

论文摘要:人们可以根据自己的经验学习各种各样的任务,但也可以通过观察其他生物来学习。即使观察到的代理与学习代理形态之间的差异很大,也可以加快新技能的获取。在本文中,我们研究了强化学习算法如何在形态不同的代理(例如,不同的机器人)之间传递知识。我们介绍了一个问题提法,其中两个特工被要求通过共享信息来学习多种技能。我们的方法使用了两个代理所学到的技能来训练不变特征空间,然后将其用于将其他技能从一个代理转移到另一个代理。学习这些不变特征空间的过程可以看作是一种“类比制作”,或者是隐式学习两个不同领域之间的部分对应关系。我们用两种模拟的机器人操作技能评估了转移学习算法,并说明了我们可以在具有不同链接数