2引用模仿5 2.1什么是模仿？。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。5 2.2安装。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。6 2.3第一步。。。。。。。。。。。。。。。。。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>6 2.4命令行接口。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>9 2.5专家。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>15 2.6轨迹。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>17 2.7奖励网络。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>19 2.8范围的限制。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。。。。。。。21 2.9基准模仿。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。22 2.10基准摘要。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。26 2.11行为克隆（BC）。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。28 2.12生成对抗模仿学习（GAIL）。。。。。。。。。。。。。。。。。。。。。。。。。。。31 2.13对抗性逆增强学习（AIRL）。。。。。。。。。。。。。。。。。。。。。。。。。。39 2.14匕首。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。48 2.15基于密度的奖励建模。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。57 2.16最大因果熵逆增强学习（MCE IRL）。。。。。。。。。。。。。。。。60 2.17偏好比较。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。64 2.18软Q模仿学习（SQIL）。64 2.18软Q模仿学习（SQIL）。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。70 2.19使用行为克隆训练代理。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。72 2.20使用匕首算法训练代理。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。74 2.21使用生成对抗模仿学习训练代理。。。。。。。。。。。。。。。。。。。。。76 2.22使用对抗性逆增强学习训练代理。。。。。。。。。。。。。。。。。。。。110 2.23使用偏好比较学习奖励功能。。。。。。。。。。。。。。。。。。。。。。。140 2.24使用Atari上的偏好比较学习奖励功能。。。。。。。。。。。。。。。。。。149 2.25使用最大条件熵逆增强学习学习奖励功能。。。。155 2.26使用内核密度学习奖励功能。。。。。。。。。。。。。。。。。。。。。。。。。。。。162 2.27使用软Q模仿学习训练代理。。。。。。。。。。。。。。。。。。。。。。。。。。。。。165 2.28使用SAC使用软Q模仿学习训练代理。。。。。。。。。。。。。。。。。。。。。。。。167 2.29可靠地比较算法性能。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。168 2.30火车行为在自定义环境中进行克隆。。。。。。。。。。。。。。。。。。。。。。。。。。。。178