强化学习（二十）-模仿学习

一、概念

1、很多情况下，环境没有明确的奖励，例如聊天，自动驾驶的操作，无法明确定义好坏

2、不知道该怎么定义奖励时，可以收集专家示范

3、模仿学习（imitation learning，IL）：智能体通过专家示范来学习，环境没有奖励给智能体

 

二、行为克隆

1、类似于监督学习，专家做什么，智能体就做一模一样的事情

2、缺点

数据少，状态有限

完全模仿专家，而专家可能有不好的行为

训练数据和测试数据不匹配

 

三、逆强化学习

1、强化学习通过环境和奖励函数，找到最优动作

2、逆强化学习没有奖励函数，只有专家，反向推导出奖励函数，并找到最优动作

 

四、第三人视角模仿学习

智能体在模仿专家学习的时候，是以第三人视角学习的，但是真正操作的时候，就变成了第一人视角

 

 

 

 

 

 

参考：

https://datawhalechina.github.io/easy-rl/#/