将基于 AIRL 的奖励估计融入模糊推理与策略梯度的控制方法

研究提出一种模糊控制方法，将基于对抗逆强化学习（AIRL）的奖励估计机制融入策略梯度与模糊推理结合的基础模型。该方法把基础模型的策略作为生成器、策略中的隶属函数集作为判别器代价函数，使奖励估计的判别器更新与策略估计的生成器更新在共享参数上同步进行，无需估计价值函数。在车辆速度控制任务的仿真中，该方法通过稳定高效的学习获得了泛化性能较高的策略。