符合性互动模仿学习：处理专家转变与间歇性反馈

本研究解决了互动模仿学习中的专家转变和间歇性反馈问题。提出了一种新的不确定性量化算法——间歇性分位数跟踪（IQT），结合在线符合预测，实时调整机器人的不确定性。此外，开发的ConformalDAgger方法能够在专家策略变化时有效检测不确定性，促进机器人更快速地学习新行为。