可扩展的多任务逆强化学习

提出一种基于低秩假设的多任务逆强化学习（IRL）方法，聚合多智能体数据以缓解覆盖要求，使各任务无需遍历所有状态即可完成奖励学习。新环境下的规划计算开销随秩而非任务数增长，实验表明该方法在覆盖不足时仍能稳健恢复奖励，并以更低遗憾度迁移至目标环境。