模仿學(xué)習(xí)提供了一種能夠使智能體從專家示范中學(xué)習(xí)如何決策的框架。在學(xué)習(xí)過程中，智能體無需與專家進(jìn)行交互也不依賴于環(huán)境的獎(jiǎng)勵(lì)信號(hào)，而只需要大量的專家示范。經(jīng)典的模仿學(xué)習(xí)方法霱要使用第一亼稱的專家示范，該示范由一個(gè)狀態(tài)序列以及對應(yīng)的專家動(dòng)作序列組成。但是，在現(xiàn)實(shí)生活中，專家示范通常以第三人稱視頻的形式存在。相比第一人稱專家示范，第三人稱示范的觀察視角與智能體的存在差異，導(dǎo)致兩者之間缺乏一一對應(yīng)關(guān)系，因此第三人稱示范無法被直接用于模仿學(xué)習(xí)中。針對此問題，文中提出了一種數(shù)據(jù)高效的第三人稱模仿學(xué)習(xí)方法。首先，該方法在生成對抗模仿學(xué)習(xí)的基礎(chǔ)上引入了圖像差分方法，利用馬爾可夫決策過程的馬爾可夫性質(zhì)以及其狀態(tài)的時(shí)間連續(xù)性，去除環(huán)境背景、顏色等領(lǐng)域特征，以得到觀察圖像中與行為策略最相關(guān)的部分，并將其用于模仿學(xué)習(xí);其次，該方法引入了一個(gè)變分判別器瓶頸，以對判別器進(jìn)行限制，進(jìn)步削弱了領(lǐng)域特征對策略學(xué)習(xí)的影響。為了驗(yàn)證所提算法的性能，通過 Mujoc?o平臺(tái)中的3個(gè)實(shí)驗(yàn)環(huán)境對其進(jìn)行了測試，并與已有算法進(jìn)行了比較。實(shí)驗(yàn)結(jié)釆表明，與已有的模仿學(xué)習(xí)方法相比，該方法在第三人稱模仿學(xué)習(xí)任務(wù)中具有更妤的性能表現(xiàn)，并且不需要額外増加對樣本的需求。