本发明公开了一种基于鲁棒模仿学习的模拟器建模方法，涉及强化学习领域，包括以下步骤：从策略分布
中采样出训练策略集合Π和测试策略集合Π′；令训练策略集合Π的策略π与真实环境p
*进行交互，以获得真实数据集合B
π＝{(s，a，s′)～(πp
*)；每k步进行一次策略筛选；令策略π与学习到的模拟器
进行交互，并计算价值差异VD，以衡量模拟器
在策略π下的表现；选取其中表现最差的∈％策略构成集合Π
c，其对应的数据集记为B
c；从B
c中采样数据，并利用Π
c中的策略与当前模拟器
交互以收集数据D
p，用以优化生成对抗模仿学习中的判别器D
ω，以及用以优化生成对抗模仿学习中的生成器
<!– 登录解锁全文 –>
登录解锁全文
1081
编辑：管理员
来源：北方有色网
咨询细节
