This thesis introduces Fidelity Invariance Curriculum Learning (FICL), a general reinforcement learning framework that integrates curriculum learning with multi-fidelity optimisation to reduce training costs and improve policy generalisation. Building on Teacher-Student Curriculum Learning (TSCL), FICL incorporates cost-aware task sampling and leverages both low- and high-fidelity environments. To evaluate the approach, we construct a quad-rotor drone navigation scenario where an agent must locate and reach a target using GPS-like, approximate coordinates and visual input. FICL is compared against two baselines: high-fidelity TSCL and high-fidelity non-curriculum learning. Comparisons use convergence cost, episodic return, and episode termination metrics. Experimental results show that FICL achieves faster convergence in wall-clock time and maintains policy performance compared to baselines, while also contributing to more stable training dynamics, demonstrating improved sample efficiency without compromising solution quality. Results suggest that combining curriculum learning with fidelity-aware task sampling provides a promising approach for scalable reinforcement learning in resource-constrained domains, such as autonomous navigation.

Denna avhandling introducerar Fidelity Invariance Curriculum Learning (FICL), ett generellt ramverk för förstärkningsinlärning som integrerar curriculum learning (läroplansinlärning) med varierande naturtrogenhet för att minska träningskostnader och förbättra generaliseringen hos policies. Med utgångspunkt i Teacher-Student Curriculum Learning (TSCL) inkluderar FICL kostnadsmedveten uppgiftssampling och utnyttjar både miljöer av låg och hög naturtrogenhet. För att utvärdera metoden konstrueras ett navigationsscenario för en fyrrotordrönare där en agent måste lokalisera och nå ett mål med hjälp av GPS-liknande, approximativa koordinater och visuella indata. FICL jämförs med två baslinjer: TSCL med hög naturtrogenhet och icke-curriculum-baserad inlärning med hög naturtrogenhet. Jämförelserna görs utifrån konvergenskostnad, episodavkastning och mått för episodterminering. Experimentella resultat visar att FICL uppnår snabbare konvergens i faktisk tid och bibehåller policy-prestanda jämfört med baslinjerna, samtidigt som den bidrar till mer stabila träningsprocesser. Detta visar på förbättrad sample-effektivitet utan att kompromissa med lösningens kvalitet. Resultaten tyder på att en kombination av läroplansinlärning och naturtrogenhetsmedveten uppgiftssampling är ett lovande angreppssätt för skalbar förstärkningsinlärning i resursbegränsade domäner, såsom autonom navigation.