Muyleng Ghuy

通过奖励网络蒸馏实现异质演示者的联合目标与策略推断

Chen 等人提出通过网络蒸馏联合推断任务目标和人类策略偏好的方法，解决了逆强化学习中奖励模糊性和异质性两大难题，在模拟和真实任务中验证了算法有效性。