逆强化学习与 GAIL

逆 RL 假设专家最优，推断能解释其行为的奖励函数；最大熵 IRL 解决歧义性；GAIL 用判别器直接匹配占用度量，绕过显式奖励。本章讲这条脉络及其与 GAN 的对应关系。