Nov, 2020

基于状态边际匹配的逆强化学习

TL;DR本文提出了一种基于f-divergence的算法f-IRL,通过学习奖励函数来匹配专家状态分布以优化控制任务的样本效率和行为迁移能力,并在各种IRL基准测试中超越了对手仿真学习方法。