多任务学习

多任务学习在单个策略上同时训练来自多个不同任务的演示，期望跨任务学习的共享表示能改进每个单独任务的性能并实现对新任务的泛化。在机器人学中，这通常意味着在数百个具有不同物体、目标和环境的任务上进行训练。关键挑战是平衡不同任务的梯度贡献（梯度干扰）并确保策略在推理时能够区分任务——通常通过语言条件或独热任务标识符实现。多任务策略是通用机器人助手的前提条件。 在实践中查看：我们的真实世界评估 →

Related terms