具备零样本策略生成能力的终身强化学习数据集

本文提出了一种具有零样本策略生成能力的跨域终身强化学习算法（CDLRL-ZPG），以提高策略知识提取方法从学习任务到学习任务域的泛化能力。在实验中，我们评估了CDLRL-ZPG在四个任务域上的性能。我们的结果表明，该算法可以直接产生令人满意的结果，而不需要经过试错学习过程来实现零样本学习。