基于能量函数的强化学习迁移方法

提出一种基于能量函数的迁移学习方法，利用分布外检测使预训练教师策略仅在训练分布内的状态进行干预。 该方法通过理论联系能量得分与在策略强化学习下的状态访问模式，在单任务和多重任务设置中提升了样本效率与性能。