模仿学习总共分两类：
- 行为克隆：BC,Dagger
- 逆强化学习:又分为
2.1基于最大边际逆强化学习 （无法主要歧义问题）：学徒学习
2.2 基于最大熵逆强化学习 （主要解决歧义问题）:GAIL
学徒学习
基于最大熵逆强化学习： 思路 把熵函数加入在强化学习优化目标中，求最大期望汇报同时，熵最大的那个 来解决歧义问题
通过优化方法，求最大化的对数似然，解出w，然后R=w*状态-动作特征 近似奖励函数
GAIL
参考GAIL
模仿学习笔记
news/2025/6/21 16:33:06/
相关文章
sizeof()运算符
在C语言中，sizeof 是一个非常重要的运算符，用于计算类型的大小，返回值为该类型所占用的字节数。以下是对 sizeof 的详细解释：
语法
sizeof 的语法有两种形式：
sizeof(type)：计算指定类型占用的字节数。s…
Added non-passive event listener to a scroll-blocking
解决
Added non-passive event listener to a scroll-blocking ‘wheel‘ event. Consider marking event handle警告 - 代码先锋网
其他 pm i default-passive-events -S npm WARN EBADENGINE Unsupported engine { npm WARN EBADENGINE package: achrinza/node-ipc9.2.2,…
C#语言中 (元,组) 的发展史
C# 中的元组（Tuple）详解
元组(Tuple)是 C# 中的一种数据结构，用于将多个不同类型的值组合成一个复合值。元组在 C# 7.0 中得到了重大改进，提供了更简洁的语法和更好的性能。
1. 元组的基本概念
元组允许你将多个值组合成一个单…
Cursor vs VS Code vs Zed
代码编辑器的世界已经迎来了创新的爆发。曾经由重量级IDE或基础文本编辑器主导的领域，如今开发者们发现自己正在探索全新一波聚焦于AI集成、协作和性能的工具。
在本文中，我们将深入探讨2025年三款流行的编辑器：Cursor、Visual Studio Code (VS Code)和Zed Code Editor。每…
软件设计师考试《综合知识》软件过程模型考点分析——求三连
软件设计师考试《综合知识》软件过程模型考点分析（2019-2023年） 1. 分值占比与考察趋势（75分制）
年份题量分值占总分比例核心考点2023222.67%敏捷开发 vs 瀑布模型2022111.33%增量模型特点2021222.67%原型法适用场景V模型测试对应…
牛客网NC22012：判断闰年问题详解
牛客网NC22012：判断闰年问题详解
📝 题目描述 题号：NC22012（牛客网） 时间限制：C/C/Rust/Pascal 1秒，其他语言2秒 空间限制：C/C/Rust/Pascal 32 M，其他语言64 M
判断一个…
ORACLE 11.2.0.4 数据库磁盘空间爆满导致GAP产生
前言
昨天晚上深夜接到客户电话，反应数据库无法正常使用，想进入服务器检查时，登录响应非常慢。等两分钟后进入服务器且通过sqlplus进入数据库也很慢。通过检查服务器磁盘空间发现数据库所在区已经爆满，导致数据库在运行期间新增审…
吴恩达机器学习笔记：特征与多项式回归
1.特征和多项式回归
如房价预测问题， ℎθ (x) θ0 θ1 frontage θ2 deptℎ x1 frontage（临街宽度），x2 deptℎ（纵向深度），x frontage ∗ deptℎ area （面积）…