Cet article compare les méthodes basées sur les caractéristiques et les GAN dans l'apprentissage par démonstration, en se concentrant sur la structure des fonctions de récompense et leurs implications pour l'apprentissage des politiques. Les méthodes basées sur les caractéristiques fournissent d'excellentes récompenses denses et interprétables pour l'imitation de mouvement haute fidélité, mais nécessitent souvent des représentations de référence sophistiquées et peinent à se généraliser dans des environnements non structurés. Les méthodes basées sur les GAN, en revanche, utilisent une supervision distribuée implicite qui permet évolutivité et adaptabilité, mais sont vulnérables aux instabilités d'apprentissage et aux signaux de récompense grossiers. Les avancées récentes dans les deux paradigmes ont convergé vers l'importance de représentations de mouvement structurées qui permettent des transitions fluides, une synthèse contrôlée et une meilleure intégration des tâches. Dans cet article, nous soutenons que la dichotomie entre les méthodes basées sur les caractéristiques et les GAN devient de plus en plus subtile, et qu'un paradigme ne devrait pas dominer l'autre, mais devrait être choisi en fonction des priorités spécifiques à la tâche (par exemple, fidélité, diversité, interprétabilité, adaptabilité). Cette étude présente les compromis algorithmiques et les considérations de conception qui sous-tendent le choix des méthodes, fournissant un cadre pour une prise de décision raisonnée dans l'apprentissage par démonstration.
