模仿学习IQ-Learn：Inverse soft-Q Learning for Imitation

论文地址：IQ-Learn: Inverse soft-Q Learning for Imitation

项目地址：IQ-Learn: Inverse soft-Q Learning for Imitation

一、相关概念：

强化学习（RL）：目标是学习一个最大化指定奖励函数的策略。

模仿学习（IL）：它不需要仔细手工设计奖励函数，因为它完全依赖于专家行为数据，这使得它更容易扩展到能够收集专家行为（如视频游戏或驾驶）的实际任务。

Behavioral Cloning (BC)：采用监督学习的方法将环境观察映射到专家行为。

缺点：BC 无法保证模型将推广到看不见的环境观测。当智能体最终处于与任何专家轨迹不同的情况时，BC 容易出现故障。例如，在上图中，如果汽车代理偏离专家轨迹并坠毁，则不知道该怎么办。为