Glossary(으)로 돌아가기
멀티태스크 학습
단일 제어 정책을 여러 개의 서로 다른 작업의 시연으로부터 동시에 학습시키며, 작업 간에 학습된 공유 표현이 각 개별 작업의 성능을 향상시키고 새로운 작업으로의 일반화를 가능하게 한다는 기대를 가집니다. 로봇공학에서 이는 종종 다양한 물체, 목표, 환경을 포함한 수백 개의 작업에 대해 학습하는 것을 의미합니다. 핵심 과제는 서로 다른 작업의 그래디언트 기여도 균형 조정(그래디언트 간섭)과 추론 시간에 제어 정책이 작업을 구분할 수 있도록 보장하는 것입니다 — 일반적으로 언어 조건화 또는 원-핫 작업 식별자를 통해. 멀티태스크 제어 정책은 범용 로봇 어시스턴트의 필수 요소입니다. 실제 사례 보기: 우리의 실제 환경 평가 →