结构化参数环境下课程生成提升导航策略鲁棒性

该论文提出一种基于单向梯度优化的重参数化课程生成框架，用于在连续环境参数（如转弯率、障碍物、摩擦、坑洞、坡度）中自动设计训练课程，提升自主智能体的导航策略泛化能力。方法在包含图像和标量的多模态观测空间中引入分布偏移正则化目标，以学习更细粒度的潜在表征。在OpenAI Gym的Car Racing和Bipedal Walker两个连续控制环境中，该方法在五个随机种子上优于普通策略训练、随机参数采样、手动课程、前沿方法、SPRL、ALP-GMM和反向课程学习等基线。消融实验验证了重参数化课程机制的有效性，并揭示了辅助正则化目标在不同环境中的依赖效果。