MA-BC：一种通过拆分分歧、汇聚共识来高效学习多目标专家演示的模仿学习方法

Ziyad Sheiyad Sheebaelhamd 等人提出 MA-BC，针对多个目标不同的专家的演示数据，通过仅在观测动作不冲突时汇聚数据来兼顾各自权衡并共享信息。文章给出该策略的样本复杂度上下界证明。该工作由 Ziyad Sheebaelhamd、Luca Viano、Volkan Cevher、Claire Vernade 联合提交。