聚变多样性：基于结果导向的课程强化学习与分歧的超出分布

该文介绍了一种基于转移学习的强化学习智能体的方法，能够快速适应任务或转移动力学变化。该方法通过迭代学习一组策略，并受到所有先前策略下的不太可能解决方案的约束，避免了学习额外的新颖性检测模型，并将约束融入行动选择和优化步骤中，避免了任务和新颖性奖励信号的平衡。