1.摘要

多任务优化中的知识迁移常停留在个体复制，难以捕捉任务间的深层关系。论文提出流形迁移学习知识迁移策略（MTLKT），用主成分分析（PCA）提取源、目标种群的低维特征子空间，再用采样测地线流（SGF）在 Grassmann 流形上构造连续的中间子空间，最后依据源任务优良个体在这些子空间中的几何特征，逐步生成目标任务的迁移个体。基于 MTLKT 构建 MTLMTO在多任务基准和机器人导航任务中，该方法展现出较强的优化表现。

2.问题背景与基本概念

见个人简介

# 迁移学习 # 人工智能 # 机器学习
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

cover

企业调研——工业边缘计算隐形黑马，腾视科技以“硬件+算法”加速出海落地！

avatar DAMO开发者矩阵
cover

AI 资讯日报 | 2026年11月4日：乌镇峰会聚焦AI开源开放，DeepSeek二轮融资1055亿元，腾讯混元Hyra 2.0发布，美团万亿参数LongCat-2.5登顶

avatar DAMO开发者矩阵

端侧 AIOS 就位：机器狗背后的开源底座，把开发门槛打下来了

机器狗是演示，底座是生意。安谋科技这套组合拳真正的分量在于：它把具身智能的入场券从大厂手里拿出来，发给了每一个用得起开源硬件的开发者。未来的具身设备未必都是人形机器人，可能是一只机器狗、一台巡检小车、一个桌面伴侣——而它们的起点，可能就是某个开发者基于这套底座发起的一次尝试。

avatar DAMO开发者矩阵