---
title: "任务条件策略 (Task-Conditioned Policy)"
created: 2026-06-17
updated: 2026-06-17
type: concept
tags: [reinforcement-learning, multi-task, policy]
sources: [raw/papers/naveen-repmt-sac-2026.md]
confidence: high
---

# 任务条件策略 (Task-Conditioned Policy)

任务条件策略是[[multitask-rl|多任务 RL]] 的基本抽象——策略 π(a|s,τ) 不仅依赖状态 s，也**显式条件于任务 τ**。

## 形式

```
π : S × T → Δ(A)
```

通过扩增状态 `s̃ = (s, τ)`，使 MDP 变形为：`P̃((s',τ)|(s,τ),a) = P(s'|s,a)·δ(τ)`（τ 在整个 episode 中"冻结"）。

## 为什么需要

- 同一状态 s 在不同任务 τ 下需要**不同最优动作**
- 策略必须区分"四旋翼在 (x,y,z) 要去轨迹 A 还是轨迹 B"
- 不能仅靠状态分辨任务意图

## 在 RepMT-SAC 中

在[[rep-mt-sac|RepMT-SAC]]中，策略从线性 Q 函数导出（最大熵 SAC 框架）：

```
π(a|s,τ) ∝ exp( Q(s,a;τ) / α )
     = exp( ⟨φ(s,a), w(τ)⟩ / α )
```

任务条件性由 w(τ) 注入——φ(s,a) 是任务不变的。

## 任务编码方式

在四旋翼实验中，τ 被编码为：
- **Legendre 多项式系数**：轨迹的全局参数化
- **滑动参考窗口**：未来 N 个航点的局部几何信息

## 参考

- [[multitask-rl|多任务 RL]]
- [[task-invariant-representation|任务不变表征]]
- [[rep-mt-sac|RepMT-SAC]]