IROS 2026 论文提出 LfDI：从延迟的专家干预中改进策略学习

论文研究模仿学习中专家干预存在延迟时的策略学习问题，发现从延迟专家干预学习整体上不如无延迟干预有效，因为延迟干预更难展示避错行为。为此作者提出 Learning from Delayed Intervention（LfDI），基于专家在何时何地介入学习代价函数，并结合专家提供的有限延迟信息，为缺少专家数据的状态推断额外监督，引导策略避开易触发干预的状态。