知识卡片
模仿绕开奖励
奖励难以设计时,模仿学习利用专家状态与动作示范训练策略;行为克隆直接拟合动作,逆向强化学习先推断奖励再优化策略。示范质量与覆盖范围仍会限制结果。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第8章 强化学习
原书出处 · 1 处
- 强化学习 · 查看原书依据
可以直接模仿这个专家在环境中交互的状态动作数据来训练一个策略而不需要环境反馈的奖励信号
参考来源
- 位置:《现代人工智能技术》第8章《强化学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter10.xhtml)
- 结论依据:本节对方法和局限的说明。
- 原始内容:可以直接模仿这个专家在环境中交互的状态动作数据来训练一个策略而不需要环境反馈的奖励信号