Aprendizado Multi-Tarefa
O aprendizado multi-tarefa treina uma única política de controle em demonstrações de múltiplas tarefas distintas simultaneamente, com a expectativa de que representações compartilhadas aprendidas entre tarefas melhorem o desempenho em cada tarefa individual e permitam generalização para novas tarefas. Em robótica, isso frequentemente significa treinar em centenas de tarefas com objetos, objetivos e ambientes variados. O desafio principal é equilibrar as contribuições de gradiente de diferentes tarefas (interferência de gradiente) e garantir que a política possa distinguir entre tarefas no tempo de inferência — tipicamente via condicionamento por linguagem ou identificadores de tarefa one-hot. Políticas multi-tarefa são um pré-requisito para assistentes robóticos de propósito geral. Veja isso na prática: nossas avaliações em mundo real →