TaSIL：泰勒级数模仿学习

我们提出 Taylor Series Imitation Learning（TaSIL），一种在连续控制场景下对标准行为克隆损失的简单增强。TaSIL 惩罚所学策略与专家策略之间高阶泰勒级数项的偏差。我们证明，满足一种$\textit{增量输入到状态稳定性}$概念的专家易于学习，即在某种意义上，对专家轨迹的小 TaSIL 增强模仿损失可保证所学策略生成轨迹上的小模仿损失。我们给出了 TaSIL 在可实现设定下的样本复杂度界，其随专家示范数 $n$ 以 $\tilde{\mathcal{O}}(1/n)$ 缩放。最后，我们通过实验展示了专家策略的鲁棒性与 TaSIL 中所需泰勒展开阶数之间的关系，并将标准 Behavior Cloning、DART 和 DAgger 与 TaSIL 损失增强变体进行比较。在所有情况下，我们在多种 MuJoCo 任务上均显示出相较基线的显著提升。