控制任务中的持续进化策略
Continual Evolution Strategies in Control Tasks
浏览论文内容
中文总结 AI 辅助
该研究针对控制任务中进化策略（ES）的灾难性遗忘问题，在连续MuJoCo运动任务上验证重放机制可缓解遗忘、诱导正迁移，为ES用于持续控制提供支撑。
中文摘要 AI 辅助
我们研究用于持续控制的进化策略（Evolution Strategies, ES），智能体需适应变化的任务且不遗忘过往任务。在连续MuJoCo运动任务上，基础ES存在严重的灾难性遗忘；重放机制可大幅提升任务保留度并诱导正迁移，但更大的重放预算会降低可塑性。总体而言，这些结果表明ES可支持控制领域的持续适应，重放是缓解遗忘的有效机制。
英文摘要
We study Evolution Strategies (ES) for continual control, where agents must adapt to changing tasks without forgetting previous ones. On sequential MuJoCo locomotion tasks, naive ES suffers from severe catastrophic forgetting. Replay substantially improves retention and can induce positive transfer, while larger replay budgets reduce plasticity. Overall, these results show that ES can support continual adaptation in control and that replay is an effective mechanism for mitigating forgetting.
发表机构
- University of Pisa（比萨大学）
- IT University of Copenhagen（哥本哈根 IT 大学）
机构由 AI 辅助整理，请以论文原文为准。
