---
title: "RepMT-SAC 论文集成 Review"
created: 2026-06-17
type: review
---

# 📌 基本信息

- **论文**：Learning to Adapt: Representation-Based RL for Multi-Task Skill Transfer
- **作者**：Aryan Naveen (MIT), Haitong Ma, Haldun Balim, Na Li — Harvard SEAS
- **领域**：cs.RO / Multi-Task RL
- **arXiv**：2606.12890v1 (2026-06-11)

# 🎯 核心概念

1. **[[spectral-mdp-decomposition|谱 MDP 分解]]** — Q(s,a;τ) = ⟨φ(s,a), w(τ)⟩，φ 任务不变，w 任务特定
2. **[[task-invariant-representation|任务不变表征]]** — 对比式条件密度估计学习共享动力学
3. **[[rep-mt-sac|RepMT-SAC]]** — 两阶段 SAC：上游学 φ，下游冻 φ 微调 w
4. **[[quadrotor-trajectory-following|四旋翼轨迹跟踪]]** — Legendre 多项式参数化的物理验证

# 🔗 概念网络

```
Spectral MDP Decomposition → Task-Invariant Repr (φ)
         ↓                           ↓
Task Distribution (µ) → RepMT-SAC ← Soft Actor-Critic
         ↓                           ↓
Task-Conditioned Policy → Upstream-Downstream Learning
         ↓
Quadrotor Trajectory Following
```

**关联已有知识**：通过 [[multitask-rl]] 和 [[few-shot-learning]] 与已有 wiki 概念连接。

# 📚 Wiki 集成

- **新增页面**：10 个（1 论文 + 8 概念 + 1 raw）
- **总规模**：892 → 901 页（+9）
- 新覆盖：cs.RO / 机器人控制

# 💡 关键洞察

1. **φ 冻结后 Q 学习变成线性回归**是 RepMT-SAC 最优雅的工程特性——下游适应极快且极稳定，避免了深层 RL 在新任务上常见的训练不稳定。

2. **谱分解的推广是 subtle 但重要的**：将 w 从"固定向量"提升为"任务的显式函数" w(τ)，使表示真正多任务化而不只是多任务共享参数。