线性行为克隆智能体的最优教学
机器学习
2023-11-28 v1 人工智能
摘要
我们研究线性行为克隆（LBC）学习器的最优教学。在此设定下，教师可选择向 LBC 学习器演示哪些状态。学习器维护一个与演示一致的无限线性假设版本空间。教师的目标是使用最少数量的状态演示将可实现的目标准确策略教给学习器。该数量被称为教学维度（TD）。我们提出一种称为“迭代消除教学（TIE）”的教学算法，实现了实例最优 TD。然而，我们也证明计算最优教学集是 NP 难的。我们进一步提供一种近似算法，保证教学维度上的近似比为 。最后，我们给出实验结果以验证我们算法的效率与有效性。
引用
@article{arxiv.2311.15399,
title = {Optimally Teaching a Linear Behavior Cloning Agent},
author = {Shubham Kumar Bharti and Stephen Wright and Adish Singla and Xiaojin Zhu},
journal= {arXiv preprint arXiv:2311.15399},
year = {2023}
}