Inverse RL деген не?

Кері ынталандыру оқыту (обратное обучение с подкреплением) — бұл машиналық оқыту әдісі, онда міндет — бақылау агентінің (эксперттің) мінез-құлқын қарап, ол оптимизациялайтын ынталандыру функциясын қалпына келтіру.

Классикалық RL-де біз ынталандыру функциясын білеміз және оңтайлы стратегияны іздейміз. Керісінше, inverse RL-де: оңтайлы мінез-құлық арқылы агент неге ұмтылатынын түсінуге тырысамыз. Бұл функцияны нақты анықтау қиын болғанда, бірақ жақсы мінез-құлық мысалдары болғанда пайдалы.

Мысал: робот жүруге үйренеді, бірақ «жақсы» қозғалыс деген не екенін қолмен анықтамай, адам қозғалысының мысалдарын көрсетеміз, ал inverse RL осы қозғалыстарды түсіндіретін ынталандыру функциясын қалпына келтіреді.