Meta-Learning for Robot Control: A Comprehensive Survey

本文全面综述了面向机器人控制的元学习（Meta-Learning）研究进展。元学习通过学习如何学习，使机器人能够从少量样本中快速适应新任务，是解决机器人数据效率和泛化能力的关键技术。文章系统分析了基于度量的元学习、基于优化的元学习、基于模型的元学习等核心方法，以及少样本学习、快速适应、跨任务迁移等关键场景，并讨论了元强化学习、元学习与仿真到真实迁移结合、元学习的可扩展性等挑战与未来方向。来源机构包括Google DeepMind、UC Berkeley、MIT等顶尖研究机构。