matlab代码影响透明RLfD
示范学习中的机器人动作
找出什么样的机器人动作会影响未来的演示
相关的机器人动作类型：注意动作？
不确定性动作？
可预测的动作？
要知道这些机器人的动作如何影响演示（正面还是负面？）
可能的影响：学习过程如何随时间演变？
访问的状态，值已更新
概述
暂定时间表：
1.示范（6月15日）
2.无模型RL（7月1日）
单一状态动作更新
自主Q学习模拟测试：
多个状态动作更新：更新整个轨迹
TD（λ）
SARSA（λ）
待定：
待办事项清单：
状态：姿势（位置和方向），速度，物理特性等
奖励：直到达到最终目标的每个动作为-1，为碰撞达到-2，达到最终目标为10，目标姿势
两种不同的算法：比较这两种算法
逆向强化学习
参考：
实验1：基于教学目标的奖励功能
实验2：基于教学功能的奖励功能
无模型强化学习
3.学习过程评估（7月15日）
Q学习：
Q功能更新（仅针对当前状态和操作进行更新）
预测动作与人为输入动作
4.运动计划（7月25日）
在PR2机器人上进行测试：机器人右臂跟随杯子移动：（速度：x10）
在上测试：（速度：x5）
待办事项清单
需要找出可能影
