提出MA-BC多目标模仿学习算法

研究提出 MA-BC（Multi-Output Augmented Behavioral Cloning），通过拆分冲突专家数据、合并无冲突状态-动作对，从多个 Pareto 最优专家的演示中恢复 Pareto 前沿策略。

摘自 arXiv：cs.LG

还没有足够的连续观测数据，暂不绘制趋势。