模仿学习

模仿学习（Imitation Learning）是一种从演示中学习行为策略的框架，通常以状态-动作轨迹的形式呈现演示数据。该方法旨在通过监督学习方式从状态到动作建立泛化映射（Behavior Cloning），或通过逆强化学习（Inverse Reinforcement Learning）寻找使演示决策最优的奖励/成本函数。最新的逆Q学习方法则直接从专家数据中学习Q函数，隐式表示奖励，从而以Boltzmann分布形式给出最优策略。模仿学习在机器人学、自动驾驶等领域具有重要应用价值，能够有效提升系统的决策能力和执行效率。