模仿学习笔记

模仿学习总共分两类：

1. 行为克隆：BC,Dagger
2. 逆强化学习:又分为
   2.1基于最大边际逆强化学习 （无法主要歧义问题）：学徒学习
   2.2 基于最大熵逆强化学习 （主要解决歧义问题）:GAIL

学徒学习

基于最大熵逆强化学习： 思路 把熵函数加入在强化学习优化目标中，求最大期望汇报同时，熵最大的那个 来解决歧义问题

通过优化方法，求最大化的对数似然，解出w，然后R=w*状态-动作特征 近似奖励函数

GAIL
参考GAIL