特徵期望匹配（feature expectation matching）

特徵期望匹配是以特徵為基礎的逆向強化學習內部的引擎。先挑一個描述每個狀態的特徵向量，接著用「特徵期望」來概括任一策略——也就是該策略行動過程中平均累積的這些特徵之折扣總和。專家的示範給你一個目標向量；目標就是找到一個策略，使它自身的特徵期望向量正好落在那上面。

它之所以有效，靠的是一段漂亮的代數：若獎勵對特徵呈線性，那麼一個策略的回報就是獎勵權重與其特徵期望的內積。匹配了特徵期望，你就在每一種線性獎勵下都匹配了回報——於是你表現得和專家一樣好，卻完全不需要知道他們真正在最佳化哪個獎勵。

實務上你會最小化兩個特徵期望向量之間的距離，常見做法是反覆在當前獎勵猜測下求解一個強化學習問題，再把權重朝專家較常用到的特徵方向微調。它正是學徒學習與最大熵逆向強化學習所共享的具體最佳化目標。