← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9878.b.2.b · 生成模型:未记录

逆向强化学习从示范推断奖励

理解等级:中级

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?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    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