快速适应新城市路况
通过历史行为增强的上下文表示与两阶段约束适应，实现从多任务元训练到新驾驶任务的快速迁移，在保持性能的同时提高学习效率与泛化能力。
Qi, Deng · Li, Ruyang · Hu, Qifu · Zhao, Yaqian · Li, Rengang
IEEE Transactions on Vehicular Technology 2023
通过历史行为增强的上下文感知状态表示提高学习效率和鲁棒性，从而减少达到最优策略所需的交互数据量。
两阶段约束适应策略能够将元模型快速迁移到新任务，同时保持良好性能，避免传统微调中的灾难性遗忘。
通过基于上下文的倾向性估计复用元训练数据，约束新任务优化目标，从而在新任务上减少对大量新数据的依赖。