基于自编码器驱动的任务和新环境识别的持续强化学习
本研究解决了强化学习代理在持续学习中面临的挑战，尤其是在没有外部信号指示任务或环境变化的情况下如何保留和利用现有信息。我们提出了一种新方法，通过整合策略优化与熟悉度自编码器，展示了系统在识别和学习新任务或环境时能有效保留早期经历的知识，并在再次遇到已知环境时选择性检索相关知识的能力。初步结果表明，在没有外部信号的情况下，成功实现了持续学习，展现了该方法的潜力。
AI生成摘要 本研究提出了一种新方法，解决强化学习代理在持续学习中保留和利用现有信息的问题。通过结合策略优化与熟悉度自编码器，系统能够有效识别新任务并选择性检索相关知识，初步结果表明在无外部信号的情况下成功实现持续学习。
