Automated Curriculum Generation for Robot Reinforcement Learning

本文深入研究了自动课程生成在机器人强化学习中的应用。自动课程生成通过算法自动设计和调整训练任务的难度顺序，无需人工设计课程，解决了课程学习中人工设计课程成本高、泛化性差的问题。文章分析了不同自动课程生成方法（基于性能的课程、基于目标生成的课程、基于多样性的课程、教师学生课程）在机器人操作和导航中的效果，提出了结合自动课程与强化学习的方法，并在多种机器人任务上验证了方法在样本效率和任务性能上的优势。来源机构包括Google Robotics、Stanford、MIT等。