mdp

本文将基础模型体的模拟-现实差距形式化为马尔可夫决策过程问题，提出了统一的研究议程，以适应如领域随机化等经典解决方案，从而提升智能体在真实部署中的鲁棒性和可靠性。

本文重新审视了强化学习中用于零样本任务组合的布尔任务代数（BTA），证明了在确定性MDP中，所有最优扩展Q函数可归结为两个分量（全局任务和空任务），使得原始BTA中提出的对数基任务集变得多余。作者引入了一种基于目标集的组合方法，在保持策略性能的同时降低了学习成本和组合时间，并在多个实验域中验证了其有效性。