基于技能课程的多层元强化学习

本文针对具有自然多层结构的序列决策问题，提出一种高效的多层过程，通过压缩马尔可夫决策过程（MDP），将低层策略视为高层动作，同时保留原始语义结构。该方法解耦子任务，减少随机性与策略搜索空间，提升长时期最优策略求解效率。此外，通过将策略分解为嵌入与技能，实现了跨问题及跨层级的技能迁移，并在课程学习框架下逐步增加任务难度，促进知识迁移。实验在 MazeBase+等场景中验证了抽象性、可迁移性及课程学习的有效性。