Goal-Conditioned Reinforcement Learning for Robotics: A Review

本文系统综述了机器人领域目标条件化强化学习（Goal-Conditioned RL）的最新进展。目标条件化强化学习旨在让智能体学习以目标状态为条件的通用策略，能够通过指定不同目标实现多种任务而无需重新训练。文章分析了目标表示方法、目标条件化策略架构、后见之明经验回放（HER）等关键技术，以及目标条件化与多任务学习、课程学习的关系。适用场景包括机器人操作、导航、运动控制等需要灵活目标指定的领域。来源机构包括Google DeepMind、UC Berkeley、OpenAI等顶尖研究机构。