读论文-DARLA:Improving Zero-Shot Transfer in Reinforcement Learning

DARLA:Improving Zero-Shot Transfer in Reinforcement Learning这篇文章发表于ICML2017，主要讲Reinforement learning算法在不同数据分布上的迁移。

鉴于实验室讲论文讨论的要求，将该论文做成了ppt，供大家分享。

总结，这篇文章关键点在于使用DAE将real world的state转换为latent state。另外，DARLA不能称为严格意义的zero-shot，因为模拟环境与现实环境具有极大的相似性，致使在本质上Agent处于现实环境中训练（虽然表面上是虚拟环境训练）。不过，这文章的这种思想不错，能够在虚拟环境训练，并成功用于现实环境。