IRL — 逆强化学习（Inverse Reinforcement Learning）

事实

从专家行为反推出奖励函数的学习方法。

人话

IRL像偷学老师傅炒菜：不看菜谱，只看火候手法猜他心里那杆秤。

从示范反推偏好，用于机器人、自动驾驶和游戏AI。

相关概念

• Reinforcement Learning｜强化学习
• 模仿学习
• Markov Decision Process（马尔可夫决策过程）

Reinforcement Learning
它反过来先学奖励函数，再用 RL 找策略。

Imitation Learning
它同样看专家示范，但更关心背后的目标。

MDP
它通常在 MDP 框架里定义状态、动作和奖励。