模倣学習

3つの制御パラダイム

現代の脚型ロボット制御は、最適化に基づくモデル予測制御（MPC）、報酬に基づく強化学習（RL）、そして模倣学習（IL）という3つの基本的な制御パラダイムに支えられている。

強化学習との比較

報酬設計を慎重に行う必要がある強化学習と異なり、模倣学習はデモンストレーションデータが豊富にある場合、開発サイクルの短縮、ハイパーパラメータ感度の低さ、自然なスケーラビリティという利点をもつ。

手法の系統

2019年以降、模倣学習は複数の方法論的系統に分化している。状態と行動の対から直接教師あり学習を行う行動クローニング（BC）や、識別器を用いる敵対的動作事前分布（AMP/GAIL）などが含まれる。データ取得手段としての遠隔操作は形態的に整合したデータを与える一方、全身の歩行パターンを捉える難しさと収集にかかる労力が制約となる。