効率的な多タスク強化学習のための課題固有のアクション修正

課題固有の密な報酬に焦点を当てた共有ポリシーと、目標指向の疎な報酬を活用して長期的な視点を持つアクション修正ポリシーの協調により、効率的な多タスク強化学習を実現する。