Pearl

用task encoding解决一下问题：

1. 如何从过去学习的任务中针对新的任务获取有效的信息
2. 如何对新任务的uncertainty作出更准确的判断

 

背景： 借用了POMDP的状态推理与学习分开的思想； 使用了SAC框架

 

主要工作：本文Meta-learning的流程为，通过Meta-training过程，对过去积累的tasks experience进行encoding，相当于train出一个task encoder。随后，在Meta-testing的过程中，利用encoder来encoding新任务的关键信息，并在学习中不断地更新对新任务的判断，最后，使用encoder返回的信息进行新任务的learning过程。

 

 

Meta Test：完成encoder的training过后，面对一个新的任务，PEARL就可以非常自然的在学习中加入encoded过的信息，从而利用过去学习过的任务进行新任务的学习，即完成了Learn to learn。

 

 

总结：总结来说，这篇工作将task inference与learning过程分离的idea来自于POMDPs的探索过程，通过这样的分离，使得meta-RL中对样本的利用率提高了。但是元学习无法回避的对样本的依赖仍然没有解决，如何对learn to learn中的training sample进行选择，可能仍然是需要更多探索的问题。

 

感觉中的不足：此次的结果对比只和没有利用过expert data的数据进行对比，虽然确实快了一两个数量级，但是为体现出和metaBC之间对比的优势劣势，至少训练速度不占优。