Aprendizaje Multi-Tarea
El aprendizaje multi-tarea entrena una única política sobre demostraciones de múltiples tareas distintas simultáneamente, con la expectativa de que las representaciones compartidas aprendidas entre tareas mejoren el desempeño en cada tarea individual y permitan la generalización a nuevas tareas. En robótica, esto a menudo significa entrenar en cientos de tareas con objetos, objetivos y entornos variados. El desafío clave es equilibrar las contribuciones de gradiente de diferentes tareas (interferencia de gradiente) y asegurar que la política pueda distinguir entre tareas en tiempo de inferencia — típicamente mediante acondicionamiento por lenguaje o identificadores de tarea one-hot. Las políticas multi-tarea son un requisito previo para asistentes robóticos de propósito general. Véase esto en la práctica: nuestras evaluaciones en el mundo real →