1.
o
t
o_t
ot?与
s
t
s_t
st?的区别：state一般视作马尔科夫状态，而observation则result from state。使用state一般要求更为严格。一般来讲，observation更为低层，如图像；state则可以是抽象的更上一层，例如图像中的实体状态。
“States are the true configuration of the system, and the observation is something results from that state which may or may not be enough to deduce the state.”
这里其实很像隐马尔科夫（HMM）了。
最关键的在于，observation一般不满足马尔科夫性质；而state可以结合pre observation，使之能够包含之前的信息，从而满足马尔科夫性质。这里感觉和RNN很像了。
2.Imitation Learning
2.1 Behavior Cloning
这种方法的问题在于，直接对observation到action进行了监督学习，而由observation到state往往是有误差的，但这种方法并几乎没有考虑到pre observation的前后关系，从而使误差扩大，在实际的trojectory中，最终得到较大误差。忽略时序关系导致了误差扩大。但其实有时每一步的observation很可能也与pre action相关，而pre action与pre observation相关，这从某种程度上是修正了误差。
2.2 误差产生的本质原因
通常
p
d
a
t
a
(
o
t
)
≠
p
π
θ
(
o
t
)
p_{data}(o_t) \neq p_{\pi_{\theta}}(o_t)
pdata?(ot?)?=pπθ??(ot?)
distributional shift
使用数据集增强（DAgger, Dataset Aggregation）
2.3 马尔科夫性质的重要性
从本质上来说，它降低了模型结果的随机性，使用了关键性的假设，使结果趋近于确定。感觉从本质上看，是使用更广泛的信息，增强了数据预测的确定性。
2.4 问题所在
非马尔科夫性，这个可以通过RNN来解决。
2.5 casual confusion
有时而外的信息会使因果分析更为confusion，反而不利于策略推断。
2.6 多模型的混合可能会带来一定的误差。
2.6.1 高斯混合模型
2.6.2 隐变量模型
2.6.3 Autogressive discretization
类似action分解搜索
3.模仿学习的另一问题在于数据
人类难以给出大量的最优的数据供模型训练。
既然如此，agent能否具有自主得到最优解数据的能力。
4.模仿学习如果发生distributional shift，则误差是
O
(
?
T
2
)
O(\epsilon T^2)
O(?T2)的。
5.Goal-conditioned behavioral cloning