学徒学习

在人工智能中，学徒学习（或称示教学习或模仿学习）是通过观察专家进行学习的过程。
它可被视为一种监督学习，其中训练数据集由示教教师执行的任务构成。
IRL问题可定义为：
该场景可建模为“合作式逆向强化学习博弈”，其中“人”玩家与“机器人”玩家合作实现人的隐含目标，即便人与机器人都未明确知晓这些目标。

2017年，OpenAI与DeepMind将深度学习应用于简单领域（如雅达利游戏）和简单机器人任务（如后空翻）的合作式逆向强化学习。人类角色仅需回答机器人关于两种动作偏好的询问。研究者发现该技术有望经济地扩展到现代系统。

基于逆向强化学习的学徒学习（AIRP）由加州大学伯克利分校电子工程与计算机科学系教授彼得·阿比爾与斯坦福大学计算机系副教授吳恩達于2004年提出。AIRP处理“马尔可夫决策过程中未显式给出奖励函数，但可观察专家演示待学习任务”的问题。

系统模型方法
系统模型方法通过建模世界动力学来模仿专家行为。

1997年，机器人专家Stefan Schaal在Sarcos机械臂上研究摆起倒立摆任务。机器人可执行动作使摆运动，但动作与运动关系不明确，属于可用数学描述但难以求解的最优控制问题。Schaal的思路是不使用暴力求解，而是记录人类示教动作，在纵轴记录三秒内摆角，形成带模式的图表。