克服灾难性遗忘的机器人状态基元学习代码

人们可以连续学习各种任务而不会发生灾难性的遗忘。为了模仿这种持续学习的功能。在本文中，我们专注于使用所提议的称为状态原始学习的架构顺序地解决多步骤的机器人任务。通过将原始状态空间投影到低维表示，可以生成有意义的状态原始来描述任务。在对状态原始的生成施加两种不同的约束下，可以仅通过高效的线性回归分别解决与不同机器人任务相对应的控制信号。在几个机器人操纵任务上的实验显示了新方法在持续学习场景下学习控制信号的有效性，与其他比较方法相比，性能得到了显著提高。