模仿学习
机器人学习领域的主流范式，让智能体通过观察专家示范来习得策略，无需手动设计奖励函数，在机器人操控领域得到广泛应用
核心事实
时间轴 (近 90 天)
模仿学习（Imitation Learning）是一类让机器人从人类演示中直接学习策略的方法，通过行为克隆或扩散策略等方式将观测映射到动作，其核心优势是样本效率高，但分布外泛化能力弱。
与传统强化学习相比，模仿学习通常只需几十到几百条演示轨迹就可能让机械臂学会抓取与放置，而强化学习通常需要在仿真环境中定义奖励函数并让智能体反复试错，样本量动辄百万级。
在机器人演示采集中，错误的手部重建会直接误导下游的模仿学习策略，使机器人学到人类从未做过的动作，且这类数据本身的错误不会在训练损失上明显暴露。
现有从视频学习灵巧操作的方法大多停留在模仿层面，严格匹配视频中的动作轨迹，导致面对新的物体初始位姿、目标位姿或抓取方式时迅速失效。
在人类如何对齐儿童的问题上，模仿学习可能比强化学习更为根本。
模仿学习中数据质量和演示一致性直接决定策略的表现
FireFly 当前的训练流程以模仿学习/行为克隆为主，通过记录画面观测和玩家操作训练策略
模仿学习与强化学习的结合使控制策略开发从逐条编写规则演变为从示范中学习
Grok Bots 的演示学习在技术路径上接近程序综合与模仿学习的结合，通过分析屏幕录制的 UI 操作序列自动推断可复现的操作脚本或工具调用链
捕捉到的人体运动数据理论上可用于模仿学习的演示数据收集，或作为人类先验轨迹为强化学习策略提供初始种子
还有 6 条时间轴事件
全部知识事实 (18)
模仿学习的核心思想是让机器人通过观察专家演示来习得行为策略，而非依赖大量试错，主要技术路线包括行为克隆（BC）和逆强化学习（IRL）
65%已验证行为克隆属于模仿学习的最简形式，直接学习状态到动作的映射，而不像逆强化学习（IRL）那样推断专家的奖励函数
65%待验证行为克隆将策略学习转化为监督学习问题，以环境状态为输入、专家动作为标签，训练从状态到动作的映射函数
70%待验证现代AI机器人通常依赖强化学习来训练运动控制策略
60%待验证与传统强化学习相比，模仿学习通常只需几十到几百条演示轨迹就可能让机械臂学会抓取与放置，而强化学习通常需要在仿真环境中定义奖励函数并让智能体反复试错，样本量动辄百万级。
50%待验证模仿学习（Imitation Learning）是一类让机器人从人类演示中直接学习策略的方法，通过行为克隆或扩散策略等方式将观测映射到动作，其核心优势是样本效率高，但分布外泛化能力弱。
50%待验证在机器人演示采集中，错误的手部重建会直接误导下游的模仿学习策略，使机器人学到人类从未做过的动作，且这类数据本身的错误不会在训练损失上明显暴露。
50%待验证现有从视频学习灵巧操作的方法大多停留在模仿层面，严格匹配视频中的动作轨迹，导致面对新的物体初始位姿、目标位姿或抓取方式时迅速失效。
50%待验证在人类如何对齐儿童的问题上，模仿学习可能比强化学习更为根本。
50%待验证模仿学习中数据质量和演示一致性直接决定策略的表现
50%待验证FireFly 当前的训练流程以模仿学习/行为克隆为主，通过记录画面观测和玩家操作训练策略
50%待验证模仿学习与强化学习的结合使控制策略开发从逐条编写规则演变为从示范中学习
50%待验证Grok Bots 的演示学习在技术路径上接近程序综合与模仿学习的结合，通过分析屏幕录制的 UI 操作序列自动推断可复现的操作脚本或工具调用链
50%待验证捕捉到的人体运动数据理论上可用于模仿学习的演示数据收集，或作为人类先验轨迹为强化学习策略提供初始种子
50%待验证帧缺失导致的不连续跳跃会使模仿学习模型学到包含突变动作的策略，部署到真实机器人上时可能导致碰撞、振荡甚至硬件损坏
50%待验证该方法属于模仿学习中的行为克隆，其著名缺陷是复合误差问题
50%待验证该方法属于模仿学习范畴中最简单的形式——行为克隆，直接将专家演示视为有标签数据进行监督学习
50%待验证模仿学习的代表性方法包括行为克隆、扩散策略以及ACT（Action Chunking with Transformers）
50%