Aprendizado por Imitação (Imitation Learning - IL) é um método de Aprendizado de
Máquina (Machine Learning - ML) que busca a política ótima para tomadas de decisão
baseando-se em demonstrações dadas por um especialista. Tratando-se de IL, tem-
se a Clonagem Comportamental (Behavioral Cloning - BC ), método de aprendizado
supervisionado que, treinado por pares estado-ação, visa tomar as decisões que mais se
assemelham às fornecidas. Entretanto, como a BC busca imitar o especialista, pode-se
gerar ações enviesadas, tendendo a comportamentos determinados pelo especialista usado
para gerar o conjunto de treinamento. Uma abordagem de IL que ajuda no quesito
robustez, é a Generative Adversarial Imitation Learning (GAIL). GAIL possui duas redes:
a geradora (G) e a discriminadora (D). O objetivo de G é gerar comportamentos similares
aos gerados pelo especialista, através de um treinamento interativo com o ambiente, e que
usa o sinal de recompensa gerado por D sem acessar diretamente as demonstrações do
especialista. O objetivo do projeto é pesquisar, analisar e aplicar os métodos supracitados
no ambiente de simulação CarRacing-v0 visando a condução autônoma de veículos.