Imitation learning就是模仿学习，以聊天及机器人为例，我们很难去定义reward function，但我们手上有大量的对话数据。然后我们就让机器去模仿人类来对话，采取的方法主要有两种：behavior cloning和inverse reinforce learning。
一、behavior cloning
监督学习的方式，例如用CNN训练一个model，看到某个图片就突出action。
优点是：简单。
缺点是：数据量有限没有撞墙的case，也就是说训练和test之间可能mismatch。改善的方案是data aggregation。另外一点就是可能会把expert多有的内容学过来二不加以区分。
二、Inverse Reinforcement Learning
没有reward function只有expert的demonstration（数据记录-trajectory），Actor可以和环境互动，但是其reward function只能从环境中反推出来。找出reward function 后再根据清强化学习的方法接着训练。
老师讲，这其实和GAN的思路没差，但我没学过GAN。按照我的理解，反正现在就是无奖励的背景去模仿学习，现在我们已经有expert的N笔实验数据和actor的实验数据，然后就去learn一个network（reward function）让expert的分数比actor高，然后actor就会更新自己，尽量和expert分数一样，之后再调整reward function，…。
这和我们之前讲的actor-critic思想其实也没差。现在的认识还很粗浅，这样视频课就刷玩了，后面会看下别的课程、paper以及要开始动手实战了。加油。
