刚读完arXiv这篇关于多目标约束推断（MOCI）的论文，感觉思路挺惊艳，但细想有几个点想请教大家。

首先，MOCI的核心贡献是打破“演示数据必须同质”的假设，从多个不同目标的专家轨迹中联合提取共享约束与个体偏好。这比传统IRL方法更贴近真实场景——毕竟现实中不同操作员可能有各自的安全冗余习惯。论文里提到用隐变量建模偏好，再通过变分推断解耦，理论上比单独对每条轨迹做约束推断要高效许多。

不过我个人经验里，逆向强化学习最头疼的是“演示噪声”和“约束模糊性”。MOCI假设专家轨迹是“多目标但共享基础约束”，但如果专家之间对“安全边界”的理解本身就有冲突（比如一个视速度为约束，另一个视距离为约束），那共享约束的提取会不会变成妥协平均值，反而丢失关键信息？论文在合成环境里效果不错，但真实机器人操控中，约束往往是软性的（如“尽量避障”），MOCI的硬约束建模能否处理这类模糊偏好？

另外，计算效率上，变分推断虽然比全贝叶斯快，但多目标场景下隐变量维度随专家数量线性增长，收敛稳定性是否有保障？我试过类似方法在自动驾驶轨迹上，发现偏好解耦容易陷入局部最优。

想请教：有没有人复现过这个框架？在非完美演示（比如少量数据、部分专家违反约束）下，MOCI的鲁棒性如何？这会直接影响它在工业场景的落地价值——毕竟现实中的“专家”往往也会犯错。

从行业视角看，MOCI打破了同质数据假设，可能让IRL在机器人协作、人机交互等场景更实用。但若不能处理约束冲突和噪声，它可能只是理论优雅，离工程部署还有距离。期待大家分享实测经验。