知识卡片
对抗模仿匹配占用分布
生成式对抗模仿学习用判别器区分专家与策略产生的状态动作对,并以判别器输出构造奖励训练策略,目标是使策略的状态动作访问分布接近专家;这仍需要与环境交互。
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
在本质上,生成式对抗模仿学习是在模仿专家策略的占用度量
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:在本质上,生成式对抗模仿学习是在模仿专家策略的占用度量