知识卡片

普通读书笔记卡 · 3796.e

逆强化学习从示范推断奖励

理解等级:中级

逆强化学习从观测到的专家行为推断能解释这些选择的奖励函数,再用该奖励求策略。它与直接给定奖励学习行动的方向相反。相同示范可能对应多个奖励,专家行为也未必最优,因此所得奖励是带假设的解释,不能自动当作人的真实目标或保证新环境效果。

这张卡片看不懂?

已有反馈 · 0 / 10 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 2 1 . 2 逆 向 强 化 学 习 · 查看原书依据

      当需要基于最优序列样本学习策略时,可以结合逆向强化学习和强化学习共同提高回报函数的精确度和策略的效果。 逆向强化学习主要可以分为两类:基于最大边际的逆向强化学习和基于最大熵的逆向强化学习[7]。

    参考来源

    - 位置:《智能算法导论》第 203 项《21.2 逆向强化学习》(源文件:`_epub-src/EPUB/xhtml/chapter21_0004.xhtml`) - 结论依据:正文以给定最优行为提取报酬定义逆强化学习;类别只列名称,未补造具体损失。 - 原始内容:在给定的观测最优行为下,提取一个报酬函数……当需要基于最优序列样本学习策略时,可以结合逆向强化学习和强化学习共同提高回报函数的精确度和策略的效果。