Behavior Cloning 行为克隆是什么
哪些公司问过
原力灵机1
答案要点
- 把专家演示当监督数据,学习观测到动作的映射
- 优点:简单稳定,不需要奖励函数,也不需要与环境交互
- 核心问题是分布偏移,小错误把策略带到未见状态,误差累积
- 缓解:DAgger 补标注、加入纠偏数据与数据增强、动作分块
- 专家动作多峰时均方误差会平均化,可用扩散策略等生成式模型
易错点
- 把行为克隆误以为需要奖励函数
- 忽视分布偏移和复合误差,只看训练损失
- 用均方误差回归多峰动作,导致动作被平均
面试官常见追问
- 模仿学习和强化学习有什么区别?
- 为什么现在很多操作任务仍以模仿学习为主?
- 离线学习和在线学习在机器人里怎么用?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。