双曲逆向强化学习：利用双曲距离建模奖励函数

Hyperbolic IRL提出基于特征向量与学习参数向量之间双曲距离的奖励函数参数化方法，并提供欧氏距离变体。在标准基准测试中，其表现与先进模型相当，在低数据量和密集环境下表现突出。应用于博物馆人类导航行为分析时，该方法揭示了多个展品距离特征之间不可分离的联合奖励结构。