生成对抗模仿学习（GAIL）
生成对抗模仿学习（Generative Adversarial Imitation Learning，GAIL）、序列生成对抗网络（Sequence Generative Adversarial Networks，SeqGAN）都是强化学习与GAN的结合，传统强化学习方法往往缺乏了专家信息的指导，GAN的引入替代了原有人工设置的奖励函数，并且在其处理离散数据的问题上有了新的启发，主要应用在无人系统的智能决策和自然语言处理相关的问题中。时空预测生成对抗网络（LSTM Generative Adversarial Networks，GAN-LSTM）提出了使用RNN捕获时序数据的相关性特征，是GAN在应用方向上的一种扩展，主要用于处理无人系统中具有时序特征的数据。可解释生成对抗网络（Interpretable Generative Adversarial Networks，Interpretable GAN）是最新的研究成果之一，着重解决的是GAN的可解释性问题，在无人系统技术的各个方面具备一定的应用潜力。图2汇总了近年来GAN的重要衍生模型及其特点。
https://roll.sohu.com/a/659666106_358040