Clonación de Comportamiento (BC)
La clonación de comportamiento es la forma más simple de aprendizaje por imitación: un problema de regresión supervisada donde la política se entrena para imitar demostraciones de expertos minimizando el error de predicción entre la salida de la política y la acción del experto en cada estado observado. BC es fácil de implementar y escala bien con datos, pero sufre de cambio distribucional — porque nunca recibe retroalimentación correctiva, los pequeños errores causan que el robot visite estados no presentes en los datos de entrenamiento, lo que puede escalar en fallo de tarea. Técnicas como DAgger (Dataset Aggregation) y GAIL fueron desarrolladas específicamente para abordar el problema de error compuesto de BC. Ver esto en práctica: nuestro servicio de recopilación de datos →