Inverse Reinforcement Learning and Reward Learning for Robots

本文研究了逆强化学习与奖励学习在机器人中的应用。逆强化学习通过从专家演示中推断奖励函数，再基于奖励函数优化策略，能够处理演示中的次优行为和多模态偏好。文章比较了不同逆强化学习方法（最大熵IRL、引导成本学习、对抗逆强化学习、偏好学习）在机器人操作、导航、运动控制中的表现，分析了奖励函数的可解释性、可迁移性、鲁棒性对策略性能的影响，并在多种机器人任务上验证了方法的效果。来源机构包括UC Berkeley、DeepMind、CMU等研究机构。