Behavior Cloning and Data-Efficient Imitation for Robot Control

本文深入研究了行为克隆与数据高效模仿学习在机器人控制中的应用。行为克隆通过监督学习直接从演示数据中映射状态到动作，简单高效但存在分布偏移问题。文章分析了不同行为克隆方法（DAgger、聚合数据、数据增强）和数据高效模仿技术（少样本模仿、元模仿、预训练+微调）在机器人操作和导航中的效果，提出了结合数据增强与在线纠偏的方法，并在多种机器人任务上验证了数据高效模仿的样本效率和泛化能力。来源机构包括Google Robotics、Stanford、MIT等。