文档摘要

8.2 跟着老飞行员学：模仿学习与逆强化学习 本节摘要：学徒制是最古老的教学法，也是智能体的。本节讲两条示范学习路线：行为克隆把专家轨迹变成监督学习，及其克星——分布漂移；逆强化学习反着走，从示范反推奖励函数，把"专家在乎什么"变成可优化的目标。数据源头就是第 5 章的日志与 4.4 节的人工接管记录——每一次接管都是一堂免费教学课。 飞行培训行业有个古老而有效的传统：跟班飞行。 会员。《8.2 跟着老飞行员学：模仿学习与逆强化学习》收录于灏天文库文集《智能体架构设计与实现：感知、规划与行动》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/541-%E6%99%BA%E8%83%BD%E4%BD%93%E6%9E%B6%E6%9E%84%E8%AE%BE%E8%AE%A1%E4%B8%8E%E5%AE%9E%E7%8E%B0%E6%84%9F%E7%9F%A5%E8%A7%84%E5%88%92%E4%B8%8E%E8%A1%8C%E5%8A%A8

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流