Cross-Task and Skill Transfer for Robot Manipulation

本文提出了一种面向机器人操作的跨任务与技能迁移方法。该方法通过从已掌握的操作技能中提取可复用的表征和策略组件，加速新操作任务的学习。文章分析了不同技能迁移方法（技能库、技能组合、技能微调、元学习迁移）和跨任务迁移策略（任务嵌入、共享表征、渐进式网络）对学习效率的影响，提出了结合技能库与元学习的方法，并在仿真和真实机器人上验证了跨任务迁移在样本效率和任务成功率上的优势。来源机构包括Google Research、MIT、Oxford等。