Glossary पर वापस जाएं
मल्टी-टास्क लर्निंग
मल्टी-टास्क लर्निंग एक एकल नीति को कई अलग-अलग कार्यों से प्रदर्शन पर एक साथ प्रशिक्षित करता है, इस अपेक्षा के साथ कि कार्यों में सीखे गए साझा प्रतिनिधित्व प्रत्येक व्यक्तिगत कार्य पर प्रदर्शन में सुधार करते हैं और नए कार्यों के लिए सामान्यीकरण सक्षम करते हैं। रोबोटिक्स में, इसका अर्थ अक्सर विभिन्न वस्तुओं, लक्ष्यों और वातावरण के साथ सैकड़ों कार्यों पर प्रशिक्षण देना है। मुख्य चुनौती विभिन्न कार्यों के ग्रेडिएंट योगदान को संतुलित करना (ग्रेडिएंट हस्तक्षेप) और यह सुनिश्चित करना है कि नीति अनुमान समय पर कार्यों के बीच अंतर कर सकती है — आमतौर पर भाषा कंडीशनिंग या वन-हॉट कार्य पहचानकर्ताओं के माध्यम से। मल्टी-टास्क नीतियां सामान्य-उद्देश्य वाले रोबोटिक सहायकों के लिए एक पूर्वापेक्षा हैं। व्यवहार में देखें: हमारे वास्तविक-विश्व मूल्यांकन →