机构名称：
¥ 1.0
逆增强学习（IRL）是一种模仿学习的政策方法（IL），使学习者可以在火车时间观察其行动的后果。因此，对于IRL算法，有两个看似矛盾的逃亡者：（a）防止阻塞离线方法的复合误差，例如诸如避免克隆之类的方法，并且（b）避免了强化学习的最坏情况探索复杂性（RL）。先前的工作已经能够实现（a）或（b），但不能同时实现。在我们的工作中，我们首先证明了一个负面结果表明，没有进一步的假设，没有有效的IRL算法可以避免在最坏情况下避免复杂错误。然后我们提供了一个积极的结果：在新的结构条件下，我们将奖励态度不足的政策完整性称为“奖励”，我们证明有效的IRL算法确实避免了犯错的错误，从而为我们提供了两个世界中最好的。我们还提出了一种使用亚最佳数据来进一步提高有效IRL算法的样本效率的原则方法。
有效的逆增强学习而不复合错误
主要关键词
相关文件推荐
