Davranış kopyalama və DAgger nədir?

Davranışsal Klonlama (BC) agentləri öyrətmək üçün bir metod olub, modelin yalnız nümayiş məlumatlarından (məsələn, insan hərəkətlərinin qeydləri kimi) istifadə edərək mütəxəssisin davranışını təqlid etməsini təmin edir. Model vəziyyətlər və hərəkətlər arasındakı əlaqəni birbaşa təxmin edir və ətraf mühitlə əlavə qarşılıqlı əlaqə tələb etmir.

DAgger (Dataset Aggregation) BC-nin təkmilləşdirilmiş versiyasıdır və modelin ardıcıl tətbiqi zamanı yaranan səhv yığımını həll edir. DAgger-də agent müntəzəm olaraq hərəkət edir və mütəxəssis onları düzəldir, yeni məlumatları təlim dəstinə əlavə edir. Beləliklə, model yalnız mütəxəssisin nümayişlərindən deyil, həm də öz səhvlərindən öyrənir, bu da davranışın dayanıqlığını və keyfiyyətini artırır.

Nümunə:

• Davranışsal Klonlama: mütəxəssisdən "vəziyyət -> hərəkət" məlumatları ilə neyron şəbəkə öyrədirik.
• DAgger: agenti işə salırıq, onun vəziyyətlərini toplayırıq, mütəxəssis hərəkətləri düzəldir və bu cütlükləri məlumat dəstinə əlavə edirik və modeli yenidən öyrədirik.

Beləliklə, DAgger sadə davranışsal klonlamada xarakterik olan səhv yığımını qarşısını almağa imkan verir.