机构名称：
¥ 1.0
2。运行匕首并报告您先前使用行为克隆（即ANT +另一个环境）测试的两个任务。以学习曲线的形式报告您的结果，绘制匕首迭代的数量与策略的平均收益，并显示出错误栏以显示标准偏差。在同一地块上包括专家策略的性能和行为克隆代理（如遍布图的水平线）。在标题中，说明您使用的任务以及有关网络体系结构，数据量等的任何详细信息。（如上一节所示）。
作业1：模仿学习1行为克隆
主要关键词
相关文件推荐
