Transfer Learning for Robot Control: A Comprehensive Survey

本文全面综述了面向机器人控制的迁移学习（Transfer Learning）研究进展。迁移学习通过将源任务或源域中学到的知识迁移到目标任务或目标域，显著减少目标任务的训练数据和时间，是机器人技能快速获取和跨场景适应的关键技术。文章系统分析了参数迁移、表征迁移、实例迁移、关系迁移等核心方法，以及仿真到真实迁移、跨任务迁移、跨机器人迁移等关键场景，并讨论了负迁移避免、迁移度量、迁移边界等挑战与未来方向。来源机构包括Google DeepMind、UC Berkeley、CMU等顶尖研究机构。