基于带噪声专家示范的强化学习方法

本发明公开了一种基于带噪声专家示范的强化学习方法。强化学习在各种应用中取得了巨大的成功。为了学习有效的策略，智能体通常需要与环境进行大量的交互次数来获取数据，这会耗费大量的计算成本以及时间开销。为了解决这一挑战，基于示范的强化学习通过利用专家的监督信息能够显著的降低学习的迭代次数。然而，这些方法通常假设专家所提供的专家轨迹是完美的，从而导致学到的模型在实际应用中会被噪声轨迹所误导。本发明通过估计每例示范的潜在价值，在强调更有用的示范的同时过滤掉有噪声的示范，并同时探索环境以及利用专家示范进行策略的学习，有效地学得了鲁棒的智能决策模型。