在 Ng 等人描述的学徒学习算法中。在通过逆强化学习的学徒学习中，他们提到专家轨迹以以下形式出现$\{s_0^i, s_1^i\, ...\}_{i=1}^m$. 不过，他们也提到$s_0$是从分布 D 中得出的。那么所有专家轨迹都必须具有相同的起始状态吗？为什么不能基于单个轨迹计算特征期望？