#逆强化学习

把 IRL 的奖励函数改用双曲距离来算，数据少时效果更好，还能用博物馆导航数据解读人的行为，做模仿学习的朋友可以看看。

想学逆强化学习？QVIRL能边学边给不确定性，还能主动问你要数据，比老方法稳多了。

这篇论文给IRL的超梯度计算找了个巧妙的捷径，用Fisher矩阵和谱草图省下大量算力，做强化学习的朋友可以看看。

想解决机器人奖励函数跨环境失效的问题？这篇论文给出了数学分析和一种更聪明的教学策略，用更少反馈让奖励更鲁棒。