正则化逆强化学习
机器学习
2020-12-04 v2
摘要
逆强化学习（IRL）旨在通过获取能解释专家决策的奖励函数，提升学习者模仿专家行为的能力。正则化 IRL 对学习者的策略施加强凸正则项，以避免专家行为被任意常数奖励（即退化解）所合理化。我们针对正则化 IRL 提出了可处理的求解方案及获取这些方案的实用方法。现有方法局限于最大熵 IRL 框架，使其仅能使用香农熵正则项，且所提方案在实践中不可处理。我们为所提 IRL 方法在离散与连续控制上的适用性提供了理论支撑，并在多种任务上通过实验验证了性能。
引用
@article{arxiv.2010.03691,
title = {Regularized Inverse Reinforcement Learning},
author = {Wonseok Jeon and Chen-Yang Su and Paul Barde and Thang Doan and Derek Nowrouzezahrai and Joelle Pineau},
journal= {arXiv preprint arXiv:2010.03691},
year = {2020}
}
备注
26 pages, 7 figures