可扩展因果模仿学习

论文针对专家示范存在未观测混杂、专家与模仿者观测不匹配，以及长时域连续控制难题，提出因果 Soft Q 模仿学习（Causal SQIL）与因果逆 Soft-Q 学习（Causal IQ-Learn）。方法用滑动窗口近似序贯 π-backdoor 调整，并在混杂环境中测试。