看到这篇关于多目标约束推断（MOCI）的论文，我第一反应是：逆向强化学习（IRL）领域终于开始正视现实场景中的异质性问题了。过去几年，我在多个机器人项目里尝试过基于约束推断的IRL方法，最头疼的就是假设所有演示来自同一专家或共享同一目标——这在工业界几乎不成立：不同操作员的安全偏好、效率权衡往往差异巨大，强行同质化处理会导致学到的约束要么过于保守，要么完全失效。
MOCI的核心突破在于联合建模共享约束与个体偏好，这实际上是把混合专家模型（MoE）的思想引入了约束推断。文中提到从多个追求不同目标的专家轨迹中提取共享约束，这让我联想到多任务学习中的参数共享与任务特定适配层——但MOCI的贝叶斯非参数化框架更优雅，能自动确定专家类别数，避免人工指定。
不过，我有个疑问：当专家数量增多时，联合推断的计算复杂度如何控制？论文没有给出明确的复杂度分析。从实践角度看，如果每增加一个专家就要重训整个模型，实用性会大打折扣。
我认为这个方向对自动驾驶、机器人示教学习影响深远：厂商无需再要求所有测试员遵循统一规则，而是能从多样化的驾驶风格中提炼出真正的安全底线。未来能否扩展到在线场景，让模型在部署后持续适应新专家？这值得跟进。