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 IRL18.2.3 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 ALOHA18.4.4 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