Mis on imiteeriv õppimine ja käitumise kloonimine?

Imiteeriv õppimine (imitation learning) on lähenemine masinõppes, kus agent õpib täitma ülesandeid, jälgides eksperdi tegevusi, selle asemel, et ise keskkonda uurida. Eesmärk on jäljendada eksperdi käitumist.

Käitumise kloonimine (behavior cloning) on üks imiteeriva õppimise meetoditest. Siin on ülesandeks treenida mudelit otse jäljendama eksperdi tegevusi vaadeldavate seisundite põhjal, sarnaselt juhendatud õppimisele.

Näide: kui on salvestisi kogenud juhist erinevates olukordades, siis behavior cloning abil saab treenida mudelit, mis ennustab tegevusi (näiteks rooli keeramine, pidurdamine) vastavalt praegusele olukorrale, jäljendades eksperdi sõidu stiili.

Nii võimaldab imiteeriv õppimine treenida agente ilma, et peaks käsitsi reegleid määrama või kasutama keerukaid reinforcement learning meetodeid, tuginedes käitumise näidetele.