Mar, 2021
时刻与匹配:一个用于弥合模仿差距的博弈理论框架
Of Moments and Matching: Trade-offs and Treatments in Imitation Learning
TL;DR我们通过矩匹配的视角提供了先前大量的模仿学习算法的统一观点,并考虑了学习者和专家之间行为差异之间的分歧以派生出适用于每个算法类别中的所有算法的策略性能的界限。 我们引入了矩恢复的概念,使我们能够清晰地划分每个算法家族的表现如何缓解复合误差,并推导出三种具有强有力的保证,简单实现和有竞争力的经验性能的算法模板(AdVIL,AdRIL和DAeQuIL)。