当演示专家的潜在奖励功能在任何时候都不能被观察到时，我们解决了在连续控制的背景下模仿学习算法的超参数(HPs)调优的问题。关于模仿学习的大量文献大多认为这种奖励功能适用于HP选择，但这并不是一个现实的设置。事实上，如果有这种奖励功能，就可以直接用于策略训练，而不需要模仿。为了解决这个几乎被忽略的问题，我们提出了一些外部奖励的可能代理。我们对其进行了广泛的实证研究(跨越9个环境的超过10000个代理商)，并对选择HP提出了实用的建议。我们的结果表明，虽然模仿学习算法对HP选择很敏感，但通常可以通过奖励功能的代理来选择足够好的HP。

https://www.zhuanzhi.ai/paper/beffdb76305bfa324433d64e6975ec76