Эта статья предназначена для двух типов целевой аудитории: читателей, которые слышали об имитационном обучении и обучении с обратным подкреплением, но не работали с ними; и специалисты, работавшие в этих областях. Эта статья призвана подчеркнуть недавний прогресс, достигнутый в области онлайн-обучения с обратным подкреплением (IRL), путем представления новых вкладов, сделанных моей исследовательской группой в Arora et al.². Он начинается с общей структуры для..