#Behavior Cloning

強化学習入門：模倣学習と逆強化学習 — 手本から方策と目的を学ぶ

Behavior Cloning、DAgger、逆強化学習は、報酬を手書きしにくいロボット課題で人や既存システムの実演を使う。共変量シフト、報酬推定、VLAとの接続、評価と安全を式と図で解説する。