李宏毅深度强化学习- Imitation Learning
李宏毅深度强化学习课程 https://www.bilibili.com/video/av24724071
李宏毅深度强化学习笔记(一)Outline
李宏毅深度强化学习笔记(二)Proximal Policy Optimization (PPO)
李宏毅深度强化学习笔记(三)Q-Learning
李宏毅深度强化学习笔记(四)Actor-Critic
李宏毅深度强化学习笔记(五)Sparse Reward
李宏毅深度强化学习课件
为什么要模仿学习 Imitation Learning
(也称为 learning by demonstration, apprenticeship learning)
在某些情况下:
- 机器也可以和环境进行互动,但是不能明显的得到reward
- 在某些任务中很难定义reward
- 人为涉及的奖励可能会得到不受控制的行为
因此需要 imitation learning: 让一个专家来示范应该如何解决问题,而机器则试着去模仿专家
行为克隆
这个方法可以看做是一个监督学习,在这个方法中,actor需要学习在某些特定的state下尽可能像专家一样行动
然而,专家只能进行有限的采样,因此需要引入Dataset Aggregation(让专家处于机器所处的state中)
Dataset Aggregation:
- 通过行为克隆得到一个 actor