专家可观测与专家不可观测混杂下的因果模仿学习
机器学习
2026-02-02 v2 人工智能
摘要
我们提出了一个带有隐藏混杂因素的因果模仿学习 (Causal Imitation Learning, IL) 通用框架，该框架涵盖了若干现有设定。我们的框架考虑了两类隐藏混杂因素： 专家可观测但模仿者不可观测的变量，以及 对两者均隐藏的混杂噪声。通过将轨迹历史作为工具变量，我们将框架中的因果 IL 重新转化为条件矩约束 (Conditional Moment Restriction, CMR) 问题。我们提出了 DML-IL 算法，该算法通过工具变量回归求解此 CMR 问题，并给出了其模仿误差的上界。在包括 Mujoco 任务在内的连续状态-动作环境上的实验评估表明，DML-IL 优于现有的因果 IL 基线方法。
引用
@article{arxiv.2502.07656,
title = {Causal Imitation Learning under Expert-Observable and Expert-Unobservable Confounding},
author = {Daqian Shao and Thomas Kleine Buening and Marta Kwiatkowska},
journal= {arXiv preprint arXiv:2502.07656},
year = {2026}
}
备注
Proceedings of the International Conference on Learning Representations (ICLR) 2026