模仿学习中的泛化量化

模仿学习基准通常在训练和评估之间缺乏足够的变化，限制了对泛化能力的有意义评估。我们引入了Labyrinth，这是一个基准测试环境，旨在通过精确控制结构、起点和目标位置以及任务复杂度来测试泛化能力。它能够提供可验证的、互不相同的训练、评估和测试设置。Labyrinth提供了一个离散的、完全可观测的状态空间和已知的最优动作，支持可解释性和细粒度评估。其灵活的设置允许对泛化因素进行针对性测试，并包含部分可观测性、钥匙与门任务以及冰面危险等变体。通过实现可控、可复现的实验，Labyrinth推进了模仿学习中泛化能力的评估，并为开发更鲁棒的智能体提供了有价值的工具。