模仿学习：逆向强化学习(Inverse Reinforcement Learning， IRL)_irl逆强化学习-程序员宅基地

技术标签：强化学习

1 逆向强化学习的基本设定

1.1 智能体&奖励

IRL 假设智能体可以与环境交互，环境会根据智能体的动作更新状态，但是不会给出奖励。

这种设定非常符合物理世界的实际情况。

——>比如人类驾驶汽车，与物理环境交互，根据观测做出决策，得到上面公式中轨迹，轨迹中没有奖励。

是不是汽车驾驶问题中没有奖励呢？

——>其实是有奖励的。避免碰撞、遵守交通规则、尽快到达目的地，这些操作背后都有

隐含的奖励，只是环境不会直接把奖励告诉我们而已。把奖励看做 $(s_t,a_t)$ 的函数，记作 $R^*(s_t,a_t)$

1.2 人类专家的策略是一个黑盒

IRL 假设我们可以把人类专家的策略 $\pi^*(a|s)$ 作为一个黑盒调用。

黑盒的意思是我们不知道策略的解析表达式，但是可以使用黑盒策略控制智能体与环境交互，生成轨迹。

IRL 假设人类学习策略 $\pi^*(a|s)$ 的方式与强化学习相同，都是最大化回报（累计奖励）的期望

因为 $\pi^*(a|s)$ 与奖励函数 $R^*(s_t,a_t)$ 密切相关，所以可以用某些技巧从 $\pi^*(a|s)$ 反推出 $R^*(s_t,a_t)$

2 IRL的基本思想

IRL 的目的是学到一个策略网络 π ( a | s ; θ ) ，模仿人类专家的黑箱策略 $\pi^*(a|s)$

IRL 首先从 $\pi^*(a|s)$ 中学习其隐含的奖励函数 $R^*(s_t,a_t)$ ，然后利用这个奖励函数做强化学习，得到策略网络的参数 θ 。

我们用神经网络 R ( s, a ; ρ ) 来近似奖励函数 $R^*(s_t,a_t)$ 。神经网络 R 的输入是 s 和 a ，输出是实数；我们需要学习它的参数 ρ 。

3 从黑盒策略 $\pi^(a|s)$ 反推隐式奖励 $R^(s_t,a_t)$

这是走格子的游戏，动作空间是A = { 上 , 下 , 左 , 右 } 。两个表格表示两局游戏的状态，蓝色的箭头表示人类黑盒策略 π ⋆ 做出的决策。

通过上面两条轨迹，我们可以大致得到以下的结论：

到达绿色格子有正奖励 r + ，原因是智能体尽量通过绿色格子。到达绿色格子的奖

励只能被收集一次，否则智能体会反复回到绿色格子.
到达红色格子有负奖励 r- ，因为智能体尽量避开红色格子。
- 由于左图中智能体穿越两个红色格子去收集绿色奖励，说明 r + ≳ 2 r- 。
- 由于右图中智能体没有穿越四个红格子去收集绿色奖励，而是穿越一个红格子，说明 r + ≲ 3 r- 。(- r- ≥-4 r- + r+）
到达终点有正奖励 r ∗ ，因为智能体会尽力走到终点。由于右图中的智能体穿过红色格子，说明 r ∗ > r- 。
智能体尽量走最短路，说明每走一步，有一个负奖励 r → 。但是 r → 比较小，否则智能体不会绕路去收集绿色奖励。
从这两条轨迹中，我们只能大致推断出这几个奖励之间的关系，但是不同推断出他们的实际具体大小
- ——>因为把这些奖励同时乘以一个常量c，最终学出来的策略和不乘上这个常量c的策略是一样的
- ——>最优策略对应的奖励函数不唯一

具体如何学习ρ的方法，挖一个坑，后续再补

4 用奖励函数训练策略网络

假设我们已经学到了奖励函数 R ( s, a ; ρ ) ，那么就可以用它来训练一个策略网络

用策略网络 $\pi(a|s;\theta_{now})$ 控制智能体与环境交互，得到一条轨迹

此时我们可以用学到的奖励函数 R(s, a; ρ)来计算时刻t对应的奖励：

有了这个之后，我们就可以使用REINFORCE， actor-critic 之类的方法来训练奖励函数了。

REINFORCE和 actor-critic的详细内容可见强化学习笔记：policy learning_UQI-LIUWJ的博客-程序员宅基地

本文链接：https://blog.csdn.net/qq_40206371/article/details/125063160

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

Docker 快速上手学习入门教程_docker菜鸟教程-程序员宅基地

文章浏览阅读2.5w次，点赞6次，收藏50次。官方解释是，docker 容器是机器上的沙盒进程，它与主机上的所有其他进程隔离。所以容器只是操作系统中被隔离开来的一个进程，所谓的容器化，其实也只是对操作系统进行欺骗的一种语法糖。_docker菜鸟教程

电脑技巧：Windows系统原版纯净软件必备的两个网站_msdn我告诉你-程序员宅基地

文章浏览阅读5.7k次，点赞3次，收藏14次。该如何避免的，今天小编给大家推荐两个下载Windows系统官方软件的资源网站，可以杜绝软件捆绑等行为。该站提供了丰富的Windows官方技术资源，比较重要的有MSDN技术资源文档库、官方工具和资源、应用程序、开发人员工具（Visual Studio 、SQLServer等等）、系统镜像、设计人员工具等。总的来说，这两个都是非常优秀的Windows系统镜像资源站，提供了丰富的Windows系统镜像资源，并且保证了资源的纯净和安全性，有需要的朋友可以去了解一下。这个非常实用的资源网站的创建者是国内的一个网友。_msdn我告诉你

vue2封装对话框el-dialog组件_<el-dialog 封装成组件 vue2-程序员宅基地

文章浏览阅读1.2k次。vue2封装对话框el-dialog组件_

MFC 文本框换行_c++ mfc同一框内输入二行怎么换行-程序员宅基地

文章浏览阅读4.7k次，点赞5次，收藏6次。MFC 文本框换行标签： it mfc 文本框1.将Multiline属性设置为True2.换行是使用"\r\n" (宽字符串为L"\r\n")3.如果需要编辑并且按Enter键换行,还要将 Want Return 设置为 True4.如果需要垂直滚动条的话将Vertical Scroll属性设置为True,需要水平滚动条的话将Horizontal Scroll属性设_c++ mfc同一框内输入二行怎么换行

redis-desktop-manager无法连接redis-server的解决方法_redis-server doesn't support auth command or ismis-程序员宅基地

文章浏览阅读832次。检查Linux是否是否开启所需端口，默认为6379，若未打开，将其开启：以root用户执行iptables -I INPUT -p tcp --dport 6379 -j ACCEPT如果还是未能解决，修改redis.conf，修改主机地址：bind 192.168.85.**；然后使用该配置文件，重新启动Redis服务./redis-server redis.conf..._redis-server doesn't support auth command or ismisconfigured. try

实验四数据选择器及其应用-程序员宅基地

文章浏览阅读4.9k次。济大数电实验报告_数据选择器及其应用

随便推点

灰色预测模型matlab_MATLAB实战|基于灰色预测河南省社会消费品零售总额预测-程序员宅基地

文章浏览阅读236次。1研究内容消费在生产中占据十分重要的地位，是生产的最终目的和动力，是保持省内经济稳定快速发展的核心要素。预测河南省社会消费品零售总额，是进行宏观经济调控和消费体制改变创新的基础，是河南省内人民对美好的全面和谐社会的追求的要求，保持河南省经济稳定和可持续发展具有重要意义。本文建立灰色预测模型，利用MATLAB软件，预测出2019年~2023年河南省社会消费品零售总额预测值分别为21881...._灰色预测模型用什么软件

log4qt-程序员宅基地

文章浏览阅读1.2k次。12.4-在Qt中使用Log4Qt输出Log文件，看这一篇就足够了一、为啥要使用第三方Log库，而不用平台自带的Log库二、Log4j系列库的功能介绍与基本概念三、Log4Qt库的基本介绍四、将Log4qt组装成为一个单独模块五、使用配置文件的方式配置Log4Qt六、使用代码的方式配置Log4Qt七、在Qt工程中引入Log4Qt库模块的方法八、获取示例中的源代码一、为啥要使用第三方Log库，而不用平台自带的Log库首先要说明的是，在平时开发和调试中开发平台自带的“打印输出”已经足够了。但_log4qt

100种思维模型之全局观思维模型-67_计算机中对于全局观的-程序员宅基地

文章浏览阅读786次。全局观思维模型，一个教我们由点到线，由线到面，再由面到体，不断的放大格局去思考问题的思维模型。_计算机中对于全局观的

线程间控制之CountDownLatch和CyclicBarrier使用介绍_countdownluach于cyclicbarrier的用法-程序员宅基地

文章浏览阅读330次。一、CountDownLatch介绍CountDownLatch采用减法计算；是一个同步辅助工具类和CyclicBarrier类功能类似，允许一个或多个线程等待，直到在其他线程中执行的一组操作完成。二、CountDownLatch俩种应用场景：场景一：所有线程在等待开始信号(startSignal.await()),主流程发出开始信号通知，既执行startSignal.countDown()方法后;所有线程才开始执行；每个线程执行完发出做完信号，既执行do..._countdownluach于cyclicbarrier的用法

自动化监控系统Prometheus&Grafana_-自动化监控系统prometheus&grafana实战-程序员宅基地

文章浏览阅读508次。Prometheus 算是一个全能型选手，原生支持容器监控，当然监控传统应用也不是吃干饭的，所以就是容器和非容器他都支持，所有的监控系统都具备这个流程，_-自动化监控系统prometheus&grafana实战

React 组件封装之 Search 搜索_react search-程序员宅基地

文章浏览阅读4.7k次。输入关键字，可以通过键盘的搜索按钮完成搜索功能。_react search