miuav 机器人学习技能库
面向机器人学习的五大范式完整技能集合
何时使用
当需要以下帮助时使用此技能：
- 机器人强化学习训练
- 多任务持续学习
- 跨域迁移学习
- 联邦学习协同训练
- 增量学习不遗忘
学习范式
| 范式 | 描述 | 适用场景 |
|---|---|---|
| 强化学习 (RL) | 智能体通过与环境交互学习最优策略 | 运动控制、导航、Manipulation |
| 持续学习 (CL) | 学习连续任务而不遗忘之前知识 | 多任务机器人、终身学习 |
| 迁移学习 (TL) | 将一个领域知识迁移到另一个领域 | 仿真到现实、知识复用 |
| 联邦学习 (FL) | 分布式协作学习保护数据隐私 | 多机器人协同、云边协同 |
| 增量学习 (IL) | 增量式学习新类别/任务 | 动态环境适应、新技能获取 |
子技能
强化学习 (reinforcement_learning)
rl-policy-gradient- 策略梯度方法 (PPO、A3C、SAC)rl-value-based- 值函数方法 (DQN、Double DQN、PER)rl-model-based- 模型-based RL (World Models、MPC)rl-multi-agent- 多智能体强化学习rl-hyperparameter-tuning- 超参数自动调优rl-ros2-integration- ROS2 集成部署
持续学习 (continual_learning)
cl-catastrophic-forgetting- 灾难性遗忘预防cl-elastic-weight-consolidation- 弹性权重巩固cl-progressive-networks- 渐进式网络cl-memory-replay- 记忆回放方法cl-ros2-integration- ROS2 集成部署
迁移学习 (transfer_learning)
tl-domain-adaptation- 域适应技术tl-fine-tuning- 模型微调策略tl-curriculum-learning- 课程学习tl-cross-robot-transfer- 跨机器人知识迁移tl-ros2-integration- ROS2 集成部署
联邦学习 (federated_learning)
fl-fedavg- FedAvg 联邦平均算法fl-differential-privacy- 差分隐私保护fl-horizontal-federation- 水平联邦学习fl-vertical-federation- 垂直联邦学习fl-ros2-integration- ROS2 集成部署
增量学习 (incremental_learning)
il-class-incremental- 类别增量学习il-task-incremental- 任务增量学习il-representation-learning- 表示学习保持il-ros2-integration- ROS2 集成部署