我正在尝试训练一个深度强化学习模型来完成迷宫逃逸任务，并且每次它都将一张图像作为输入（例如，不同的“迷宫”）。

假设我有大约$10K$不同的迷宫图像，理想的情况是经过训练$N$迷宫，我的模型会很好地快速解决其余的难题$10K$-$N$图片。

我写信是为了询问一些关于如何选择好的想法/经验证据$N$用于训练任务。

总的来说，我应该如何估计和增强我的强化模型的“迁移学习”能力？让它更通用？

任何意见或建议将不胜感激。谢谢。