Behavior imitation of individual board game players 可以把 behavior imitation 列为 keywordby dividing the imitation process into two stages → \to → 技术比阶段
如果没有reward，怎么办 和环境互动，但不能得到reward，只能看着expert的demonstration学习。 判断开车撞人扣多少分很难，收集人开车的例子，人对话的例子是比较简单的。 不知道怎么定reward，但可以收集范例。 1.Behavior Cloning expert做什么，机器就做什么一样的事情。 收集expert的
深度学习课程笔记（七）：模仿学习（imitation learning） 深度学习课程笔记（七）：模仿学习（imitation learning） 2017.12.10 本文所涉及到的 模仿学习，则是从给定的展示中进行学习。机器在这个过程中，也和环境进行交互，但是，并没有显示的得到 reward。在某些任务上，也很难定义 rewa
