行为克隆与 DAgger

行为克隆把模仿当作监督学习，但误差沿轨迹复合，偏离专家分布后无法恢复。DAgger 通过在学习者的状态分布上查询专家修复这一点。本章分析复合误差的 $O(T^2)$ 界与 DAgger 的 $O(T)$ 改进。