网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
DAGGER algorithm to improve BC【就是在BC中引入了online iteration，2011】
DAGGER 的缺点在于第三步实在是太耗费时间了，可以改进 DAGGER 吗？第三步是不是可以用其他的算法来打标签呢？
改进DAGGER：
Inverse RL & GAIL
Inverse RL
IRL 与 RL 的对比：
IRL的举例：
GAIL
类似于 IRL，GAN 学习了一个目标函数用于生成模型，GAIL 模仿了 GAN 的思想
Connection between IRL & GAIL
改进模仿学习的性能
怎样提升我们的策略模型？
问题一：Multimodal behavior
解决方案：
①输出一个多高斯模型，也就是多峰的叠加的形式
②隐变量模型
③自回归离散
问题二：Non-Markovian behavior
解决方案：
①建模整个观测历史，比如说 LSTM
用 LSTM 和 示教数据 完成机械臂抓取的例子【AAAI 2018】
那么其实在机器人领域，如何 scale up 数据一直是一个很大的问题
斯坦福的李飞飞组提出的 crowdsourcing 的方法来采集很多很多很多人的示教数据，RoboTurk项目出了一种解决方案
模仿学习其实还有一些问题
①人为提供数据，这个数据本身就有限
②人有时候不能很好提供数据，例如对无人机示教、对复杂机器人的示教
③人本身是可以在环境中自由探索的，是否可以借鉴这一点呢？
所以下面我们就想把模仿学习与强化学习结合起来
模仿学习与强化学习结合
模仿学习与强化学习的各自的特点对比
怎么把两者结合起来，既有 Demonstration 又有 Rewards？
（1）最简单直接的结合：预训练和调整 Pretrain and Finetune【应用十分广泛】
也就是说用 Demonstration 预训练一个 Policy（解决 exploration 的问题），然后用 RL 去 improve policy 和解决那些 off-policy 的状态，最终达到超过示教者表现的过程
Pretrain and Finetune 的流程如下：
这里是之前的 DAGGER 算法，可以和 Pretrain and Finetune 进行对比：
Pretrain and Finetune 的应用：
①应用于 AlphaGo【Nature 2016 Silver】
②应用于 Starcraft2【DeepMind工作】
Pretrain and Finetune 的问题：
①在第三步的时候我们之前获得的比较好的 Policy 用强化学习来训练的时候，可能会面临分布不一致的问题
②最开始的 experience 可能是很糟糕的，这样在进行训练时会摧毁 policy network
**解决Pretrain and Finetune 问题的方案：**考虑怎样把 Demonstration 一直保留下来 —— Off-Policy RL
（2）IL 结合 Off-Policy RL：算是对 Pretrain and Finetune 的改进
off-policy RL 可以用任意的 experience data ，例如对Q-Learning来说，只要把它们放到 replay buffer 里面就可以一直用
①形式一：Policy Gradient with Demonstration
应用举例：
②形式二：Q-Learning with Demonstration
（3）另一种结合方式：把 IL 作为一项辅助的损失函数
优化 RL的期望回报 + IL的极大似然
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上C C++开发知识点，真正体系化！
由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新
片转存中…(img-J9vXNFSK-1715751145328)]
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上C C++开发知识点，真正体系化！
由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新
扫一扫
2669
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
