知识卡片
逆向强化学习从示范推断奖励
逆向强化学习先依据专家轨迹推断奖励,再用该奖励训练策略;同一组行为可能对应多个奖励,因此推断需要额外假设,不能把学得的奖励当作唯一真实意图。
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
先根据专家轨迹推理出奖励函数,再根据奖励函数去优化行为策略
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:先根据专家轨迹推理出奖励函数,再根据奖励函数去优化行为策略