从 Behavior Cloning 到 DAgger，再到 Offline RL：监督、分布与价值
BC、DAgger 和 Offline RL 都是用离线轨迹学一个从 observation 到 action 的映射，它们解决的到底是不是同一个问题？
标签
强化学习
带有 强化学习 标签的博客和学习线程。
标签
带有 强化学习 标签的博客和学习线程。
BC、DAgger 和 Offline RL 都是用离线轨迹学一个从 observation 到 action 的映射，它们解决的到底是不是同一个问题？