MA-BC：多目标模仿学习的分割与池化方法

研究者提出 Multi-Output Augmented Behavioral Cloning（MA-BC），通过分割冲突专家数据、池化无冲突状态-动作对，在多目标马尔可夫决策过程中恢复 Pareto 最优策略。理论上 MA-BC 收敛到 Pareto 最优策略的统计速率快于独立学习各专家数据集，并被证明达到 minimax 最优。该算法在多种离散环境和连续 LQR 控制任务上得到验证。