模仿学习是应用于 RL 设置的监督学习。

在任何一般的 RL 算法（如 Q-learning）中，学习都是在奖励函数的基础上完成的。但是，考虑一个场景，您可以使用表格形式的最佳策略，将每个状态映射到每个操作。在这种情况下，您不会关心收到的奖励 - 相反，您只需进行表查找来决定最佳操作。

这种情况在大多数情况下是不切实际的，因为最优策略的表太大了。但是，如果表中有足够的条目，则可以使用通用函数逼近器（例如神经网络）来找到最佳动作。同样，您不需要查看奖励，而只需查看状态$\rightarrow$动作映射。除此之外，我不知道模仿学习的详细信息，但我怀疑在离散动作的情况下（例如国际象棋、围棋），它将使用交叉熵目标进行训练，这是典型的分类任务。

我怀疑它在 RL 设置中具有不同名称的原因是因为这与传统 RL 算法的工作方式不同。此外，RL 的大部分思维都受到日常交互/生物学的启发。想想我们如何学习驾驶，或踢足球等运动。通常会有一个教练告诉你在不同的条件下采取什么行动，然后你模仿这些行动。