Назад к Glossary
Гибридное обучение имитацией и подкреплением
Парадигма обучения, которая объединяет обучение имитацией (из демонстраций) и обучение с подкреплением (из взаимодействия с окружением) для использования выборочной эффективности демонстраций, позволяя обучению с подкреплением улучшаться сверх производительности эксперта. Методы включают DAPG (демонстрации как приоритет для градиента политики), IRL+RL и Demo-Augmented PPO.