Inverse Reward Design: 强化学习中的Reward设计

在强化学习的MDP模型中，对于Reward函数的设计一直是智能体能否完成目标任务的核心关键，同时也是一个非常复杂的课题。目前非常多的强化学习算法都应用在规则明确的游戏领域，正是因为在这些场…