5.1.2 多任务强化学习与元学习 (Meta-Learning)

文档摘要

5.1.2 多任务强化学习与元学习 (Meta-Learning) 5.1.2 多任务强化学习与元学习（Meta-Learning）：当你的MAML在稀疏奖励下突然“失忆”——一个被忽略的梯度坍缩陷阱与可复用的梯度重加权方案你有没有试过这样的情形？在多任务RL场景中，你精心设计了16个风格迥异但语义相关的导航任务：从迷宫逃逸、仓库拣货、无人机避障，到机械臂抓取不同形状的物体。你满怀信心地跑通了MAML（Model-Agnostic Meta-Learning）流程——外层元更新用Adam，内层适应步长设为0.1，每任务采样5条轨迹，共200轮元训练。