https://kaigi.org/jsai/webprogram/2012/pdf/584.pdf つーモノがあるらしいです。 通常の強化学習は、エージェントに報酬関数（と環境）を与えると最適な方策を出力するものです。 んで、逆強化学習はと言うと、最適な方策を与えると報酬関数を出力してくれ…