目录
第18章 模仿学习与人类示范
18.1 行为克隆
18.1.1 监督学习视角
18.1.2 数据集聚合（DAgger）
18.1.3 交互式模仿学习
18.1.4 行为克隆的局限与改进
18.2 逆强化学习
18.2.1 奖励函数学习
18.2.2 最大熵 IRL
18.2.3 生成对抗模仿学习（GAIL）
18.2.4 对抗性 IRL 的扩展
18.3 从观察学习
18.3.1 第三人称模仿学习
18.3.2 对应问题与领域自适应
18.3.3 无配对模仿学习
18.3.4 跨具身迁移
18.4 示范数据获取
18.4.1 遥操作与数据收集
18.4.2 动捕系统与穿戴设备
18.4.3 低成本遥操作：Mobile ALOHA
18.4.4 众包与共享自主
第18章 模仿学习与人类示范
模仿学习（Imitation Learning, IL）作为具身智能系统的核心技术范式，通过从专家示范中直接提取行为策略，避免了传统强化学习中对奖励函数手工设计的依赖。与基于试错机制的强化学习不同，模仿学习假设存在能够提供高质量轨迹示范的专家策略，学习者的目标是在不直接访问专家内部决策机制的情况下，复现或泛化专家的行为模式。本章系统阐述模仿学习的理论框架、算法演进与工程实践，涵盖从经典的行为克隆到现代的对抗式模仿学习，以及从同构示范到跨具身迁移的完整技术谱系。
18.1 行为克隆
行为克隆（Behavioral Cloning, BC）将策略学习形式化为监督学习问题，通过建立从环境状态到执行动作的映射函数来逼近专家策略。给定专家轨迹数据集
