提出了一种提取专家行为策略的新框架，直接从数据中提取策略，将模仿学习与生成对抗网络进行比拟，提出了无模型模仿学习算法，并证明该算法在模仿大型、高维度环境中的复杂行为时相对于现有无模型模仿学习方法具有明显性能提升。

Jun, 2016

本文介绍了一种以对手生成网络为基础的新方法，以同时恢复反演强化学习中的奖励和策略选项，用于解决从专家演示中学习复杂任务的奖励函数。该方法在简单和复杂的连续控制任务中表现良好，展示了一次转移学习中的显著性能提高。

Sep, 2017

本文介绍了一种在模型free的前提下能够提高采样效率的演员评论家结构，利用了GAIL中对抗训练的方法和离策略演员评论家的优势，在多个连续控制任务中，我们证明了这种方法的简洁易行和稳定性。

Sep, 2018

通过生成敌对网络框架，提出一种以权力为基础的正则化最大熵逆向强化学习来学习接近最优的奖励和策略，同时学习变分信息最大化下的权力，并在各种高维复杂控制任务和具有挑战性的转移学习问题上进行了评估，证明了该方法不仅匹配专家行为而且比最先进的逆向强化学习算法表现显著优异。

Sep, 2018

本文提出一种新的模仿学习框架，通过估计专家策略的支持来计算固定的奖励函数，将模仿学习重新定位到标准的强化学习设置中，证明了该奖励函数在离散和连续域上的有效性，并在不同的强化学习算法下实现了与现有技术相当或更好的表现。

May, 2019

本文研究Imitation Learning，结合Optimal Transport提出Wasserstein Adversarial Imitation Learning来更高效地解决inverse reinforcement learning中reward function问题。在机器人实验中，该方法只需一个expert demonstration即可实现显著提升。

Jun, 2019

本文探讨基于生成式对抗性模型的模仿学习算法（Generative Adversarial Imitation Learning，GAIL）的理论性质，证明了对于一般的回报参数化形式，只要正确控制奖励函数的类别，就可以保证泛化效果，并且利用再生核函数对奖励进行参数化可以使用随机一阶优化算法高效解决，并具有次线性收敛性，这是关于奖励/策略函数逼近的统计和计算保证的第一篇研究。

Jan, 2020

本文提出了SEILO，这是一种新颖的ILO的样本有效的on-policy算法，结合了标准的对抗性模仿学习和逆动力学建模，通过此方法能够使智能体从对手过程和行为克隆损失中接收反馈，我们实证表明，相比于其他现有的on-policy ILO和ILD方法，我们所提出的算法需要更少的与环境的交互才能实现专家绩效。

Jun, 2023

在这篇研究论文中，我们重新思考了对抗性逆向强化学习 (AIRL) 的两个不同方面：策略模仿和可转移奖励恢复。我们使用软actor-critic (SAC) 在策略优化过程中替代了AIRL中的内置算法，以增强样本效率，并且可识别AIRL相对于SAC具有马尔可夫决策过程 (MDP) 模型。这确实显着提高了策略模仿，但不幸的是对可转移奖励恢复带来了一些不利影响。为了解决这个问题，我们指出SAC算法本身无法在AIRL训练过程中全面解藕奖励函数，并且提出了一个混合框架PPO-AIRL + SAC，以实现满意的转移效果。此外，我们还从代数理论的角度分析了环境从中提取解藕奖励的能力。

Mar, 2024

本研究解决了逆强化学习（IRL）在推断奖励函数时常常无法捕捉任务目标的问题。我们提出了一种新颖的框架，侧重于任务对齐，并通过专家示范作为弱监督来生成候选奖励函数，以此训练策略，验证其完成任务的能力。实验结果表明，该框架在复杂和迁移学习场景中优于传统的模仿学习基线。

Oct, 2024