现实世界中的顺序决策问题通常具有两个重要的属性——奖励函数通常未知，但可以获得专家演示，并且通常存在一个静态参数，也称为上下文，它决定了问题的某些方面。在这项工作中，我们形式化了上下文逆强化学习框架，提出了几种算法，并对其进行了理论和实证分析。
我们提出了一种学习分布策略的方法，这些策略不限于参数分布函数（例如高斯和Delta）。该方法克服了连续控制下的次优局部极值问题。
动作鲁棒性是鲁棒性的一种特殊情况，其中代理对所执行动作中的不确定性具有鲁棒性。我们（从理论上）表明，这种形式的鲁棒性具有有效的解决方案，并且（从经验上）可以产生对机器人领域常见不确定性具有鲁棒性的策略。
学习遵守行为约束的政策是一项重要任务。我们的算法RCPO不仅可以有效地满足折扣约束，还可以满足平均和概率约束。
我们提出了一个终身学习系统，它能够重用知识并将知识从一个任务转移到另一个任务，同时有效地保留以前学习过的知识库。知识通过学习可重用技能来传递，以解决Minecraft中的任务，这是一款流行的视频游戏，是一个尚未解决的高维终身学习问题。
