본 논문은 강화학습(RL)에서 관련 작업 간 제로샷 전이를 달성하는 어려움을 해결하기 위해 함수 인코더(function encoder)라는 새로운 표현 학습 알고리즘을 제시합니다. 함수 인코더는 함수를 학습된 비선형 기저 함수의 가중치 조합으로 표현하여, 에이전트가 현재 작업과 이전 작업 간의 관계를 일관된 벡터 표현을 통해 이해하도록 합니다. 이를 통해 추가적인 훈련 없이 관련 작업 간의 전이를 실시간으로 달성합니다. 기본 RL 알고리즘에 함수 인코더 작업 표현을 추가하여 세 가지 RL 분야에서 최첨단 데이터 효율성, 점근적 성능 및 훈련 안정성을 보여줍니다.
