外部奖励的软 Q 模仿学习和判别器

原文约200字，阅读约需1分钟。发表于：。

利用鉴别器的软 Q 模仿学习算法（DSQIL）结合通过对抗逆强化学习的奖励函数，对小规模样本数据进行高效、鲁棒的模仿学习与训练。

本文提出了一种混合的模仿学习方法，将行为克隆和逆向加权作为策略和奖励模型，结合无限制行为克隆技术和正则化方法，以克服使用诱导式奖励和对策略学习的困难。该方法简单灵活，学习稳定，超参数调整最小化。