rlBehaviorCloningRegularizerOptions

$$l{”}_{\mathrm{一个}ctor}=\frac{1}{N}{\displaystyle {\sum }_{我=1}^N\left(\lambda l_{\mathrm{一个}ctor}({\mathrm{年代}}_{我},\pi ({\mathrm{年代}}_{我}))+k^2{(\pi ({\mathrm{年代}}_{我})-{\mathrm{一个}}_{我})}^2\right)}$$

$$\lambda =\frac{W_{bc}}{\frac{1}{N}{\displaystyle {\sum }_{我=1}^N\left|问\left({\mathrm{年代}}_{我},{\mathrm{一个}}_{我}\right)\right|}}$$

$$k=\frac{2}{{\mathrm{一个}}_{米x}-{\mathrm{一个}}_{米n}}$$