SHAIL: Safety-Aware Hierarchical Adversarial Imitation Learning for Autonomous Driving in Urban Environments
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Stanford University（斯坦福大学）
针对复杂城市场景自动驾驶决策难题，提出SHAIL分层对抗模仿学习方法，通过高层策略选择底层控制器实现同策略模仿，在基于真实数据的环岛模拟器上验证了优于传统方法的效果。
2023-06-10 cs.RO
LazyDAgger: Reducing Context Switching in Interactive Imitation Learning
University of California, Berkeley（加州大学伯克利分校）
在机器人学习自动化任务时的纠正干预为人类监督者提供了一种直观的方法来帮助机器人并传达有关期望行为的信息。然而，这些干预可能会给人类监督者带来很大的负担，因为每个干预都会中断人类正在进行的其他工作，在监督者和自主控制之间的每个上下文切换都会引起延迟，并且需要时间来执行。我们提出了LazyDagger，它扩展了交互式模仿学习（IL）算法SafeDagger，以减少管理员和自主控制之间的上下文切换。我们发现，LazyDagger在学习和执行过程中提高了学习策略的性能和鲁棒性，同时限制了管理员的负担。模拟实验表明，LazyDagger可以减少上下文切换的平均60%以上的SafeDagger 3个连续的控制任务，同时保持国家的最先进的政策性能。在ABB YuMi机器人的物理织物操作实验中，LazyDagger将上下文切换减少了60%，同时在执行时的成功率比SafeDagger高60%。
2021-07-20 cs.AI cs.RO
RAIL: Reachability-Aided Imitation Learning for Safe Policy Execution
Georgia Institute of Technology（佐治亚理工学院）
本文提出RAIL方法，通过基于可达性的安全过滤器对模仿学习策略强制执行硬约束，并发现硬约束会显著降低高违规率高性能策略的表现，但有时能提升低性能策略的安全任务完成能力。
2024-09-28 cs.RO
Teleoperator Imitation with Continuous-time Safety
Princeton University（普林斯顿大学）；Google Brain Robotics（谷歌大脑机器人）
学习有效地模仿人类遥控操作员，并将其推广到不可见和动态的环境中，这是一条有希望的道路，可以使机器人获得更大的自主权，使其能够从监督中稳步获得复杂的技能。我们提出了一种新的运动学习技术植根于收缩理论和平方和规划估计的控制律的形式，从一组给定的演示多项式向量场。值得注意的是，这个向量场是可证明的最佳问题的模仿损失最小化，同时提供连续时间的保证诱导模仿行为。我们的方法推广到新的初始和目标姿态的机器人，并可以在执行过程中实时适应动态障碍物，收敛到一个明确定义的安全管内的遥操作行为。我们提出了一个应用程序，我们的框架取放任务中存在的移动障碍物的7自由度库卡IIWA手臂。该方法相比，毫不逊色于其他学习从示范方法的基准手写模仿任务。
2019-05-23 cs.RO math.OC
SAFARI: Safe and Active Robot Imitation Learning with Imagination
Imperial College London（帝国理工学院）
模仿学习的主要问题之一是智能体在面对分布外的情况时的错误行为，而专家给出的演示集没有涵盖。在这项工作中，我们解决这个问题，通过引入一种新的主动学习和控制算法，SAFARI。在训练过程中，它允许代理在满足这些分布外的情况时请求进一步的人类演示。在部署时，它将使用行为克隆的无模型行为与基于模型的规划相结合，以减少状态分布偏移，使用未来状态重建作为状态熟悉度的测试。我们经验证明，这种方法如何增加一组被动的模仿学习的操作任务的性能，通过收集更多的信息演示和最小化状态分布偏移在测试时。我们还展示了这种方法如何使代理能够快速，安全地自主预测故障。
2020-11-18 cs.LG cs.RO
RuleFuser: An Evidential Bayes Approach for Rule Injection in Imitation Learned Planners and Predictors for Robustness under Distribution Shifts
Princeton University（普林斯顿大学）
该研究提出证据框架RuleFuser，结合模仿学习规划器与经典规则规划器的互补优势，在nuPlan数据集上实现OOD场景安全指标较纯IL规划器38.43%的平均提升，同时兼顾模仿性能。
2024-09-16 cs.AI cs.LG cs.RO
PILOT: Efficient Planning by Imitation Learning and Optimisation for Safe Autonomous Driving
Five AI Ltd.（Five AI有限公司）；University of Oxford（牛津大学）；University of Edinburgh（爱丁堡大学）
在规划质量、安全性和效率之间取得适当的平衡是自动驾驶面临的主要挑战。基于优化的运动规划器能够生成安全、平滑和舒适的计划，但通常以运行效率为代价。另一方面，天真地部署由高效运行的深度模仿学习方法产生的轨迹可能会危及安全。在本文中，我们提出了PILOT --一个规划框架，该框架包括一个模仿神经网络，然后是一个高效的优化器，可以主动纠正网络的计划，确保满足安全和舒适性要求。高效优化器的目标与神经网络被离线训练以模仿的基于运行成本高的优化的规划系统的目标相同。这种高效的优化器提供了一个关键的在线保护层，防止在可能危及安全性或舒适性的非分布情况下出现学习失败或缺陷。使用最先进的，基于运行时密集型优化的方法作为专家，我们在CARLA的模拟自动驾驶实验中证明，与它模仿的专家相比，PILOT在不牺牲规划质量的情况下实现了运行时间的七倍减少。
2021-07-30 cs.LG cs.RO
RISE: Robust Imitation through Stochastic Encoding
Cyber Physical Systems, Indian Institute of Science (IISc), Bengaluru（印度科学研究院计算机物理系统，班加罗尔）
针对行为克隆在真实动态环境中易受观测干扰的问题，本文提出 RISE 框架，利用变分潜在空间编码环境参数，提升离线模仿策略对噪声和不确定性的安全鲁棒性。
2025-09-27 cs.AI cs.RO
Infeasible optimization problems and the hierarchical augmented Lagrangian method in imitation learning
University of Cambridge（剑桥大学）
针对模仿学习中约束不可行导致训练不稳定的问题，提出基于增广拉格朗日方法的解决方案，将策略引导至最近可行约束问题的解，并在驾驶示例中验证其有效性。
2026-05-30 cs.RO
Towards Safe Imitation Learning via Potential Field-Guided Flow Matching
Department of Robotics, Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（机器人系，Mohamed bin Zayed大学人工智能学院）；Bosch Center for Artificial Intelligence（博世人工智能中心）；Division of Robotics, Perception, and Learning, KTH Royal Institute of Technology（机器人、感知与学习 division，皇家理工学院）
提出势场引导的流匹配策略（PF2MP），通过从成功演示中同时学习任务策略和障碍物势场来调制流匹配向量场，在不影响任务成功率的前提下显著减少碰撞，实现安全的运动生成。
2025-08-12 cs.RO
TAIL-Safe: Task-Agnostic Safety Monitoring for Imitation Learning Policies
本文提出TAIL-Safe，通过构建Lipschitz连续的Q值函数，基于可见性、可识别性和可抓取性等短期任务无关标准，确定模仿学习策略的安全集，利用Nagumo定理启发的恢复机制提升策略安全性。
2026-05-08 cs.RO
Discriminative Barrier Functions for Safe Adversarial Imitation Learning from Observation
University of Washington（华盛顿大学）
研究针对逆强化学习不安全及控制障碍函数设计难的问题，通过将奖励函数候选限制在CBF空间，实现安全在线控制与经验改进，能从无标签观察中恢复障碍函数，模拟实验显示其安全性能提升，并研究了不同IRL方法的权衡。
2026-10-16 cs.RO
Imitation with Spatial-Temporal Heatmap: 2nd Place Solution for NuPlan Challenge
Horizon Robotics（地平线机器人）
本文提出NuPlan Challenge 2023第二名解决方案“基于时空热力图的模仿”，通过行为克隆预测多模态状态并细化轨迹，有效平衡进度与安全，取得总分第二及多项最佳指标。
2023-06-26 cs.LG cs.RO
KING: Generating Safety-Critical Driving Scenarios for Robust Imitation via Kinematics Gradients
Mercedes-Benz AG R&D（梅赛德斯-奔驰股份公司研发部）；University of Tübingen（蒂宾根大学）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
模拟器为安全、低成本地开发自动驾驶系统提供了可能性。然而，目前的驾驶模拟器表现出幼稚的行为模型的背景交通。手动调整的场景通常在模拟过程中添加，以引发安全关键情况。另一种方法是反向扰动背景流量轨迹。在本文中，我们研究这种方法，以安全关键的驾驶场景生成使用的CARLA模拟器。我们使用一个运动学的自行车模型作为模拟器的真实动态的代理，并观察到通过这个代理模型的梯度足以优化背景交通轨迹。基于这一发现，我们提出了KING，它生成的安全关键驾驶场景的成功率比黑盒优化高20%。通过解决由国王使用特权规则为基础的专家算法产生的情况下，我们获得的模仿学习政策的训练数据。在对这些新数据进行微调后，我们发现该策略在避免碰撞方面变得更好。重要的是，我们生成的数据减少了通过KING生成的保留场景以及传统手工制作场景的冲突，证明了鲁棒性的提高。
2022-04-28 cs.CV cs.LG cs.RO
Symbolic Imitation Learning: From Black-Box to Explainable Driving Policies
Department of Science and Engineering, the George Washington University（科学与工程系，乔治·华盛顿大学）；Autonomous Vehicles Lab, Department of Mechanical Engineering, University of Surrey（自主车辆实验室，机械工程系，萨里大学）
本文提出符号模仿学习框架，利用归纳逻辑编程生成可解释的驾驶策略，通过实验证明其在提升透明度和性能方面的优势。
2025-09-28 cs.AI cs.LG cs.RO
MPC-based Imitation Learning for Safe and Human-like Autonomous Driving
Siemens Digital Industries Software（西门子数字工业软件）；KU Leuven（鲁汶大学）；Flanders Make（法兰德斯制造研究院）
为了确保用户接受自动驾驶车辆（AV），正在开发控制系统以从所需驾驶行为的演示来模仿人类驾驶员。模仿学习（IL）算法服务于此目的，但难以在所得到的闭环系统轨迹上提供安全保证。另一方面，模型预测控制（MPC）可以处理具有安全约束的非线性系统，但是用它来实现类似人类的驾驶需要广泛的领域知识。这项工作建议使用两种技术的无缝结合，学习安全AV控制器从所需的驾驶行为的演示，通过使用MPC作为一个可区分的控制层内的分层IL政策。通过这种策略，IL通过MPC成本、模型或约束中的参数在闭环和端到端中执行。这种方法的实验结果进行了分析，车道保持控制系统的设计，通过行为克隆观察（BCO）的经验教训，在一个固定底座的驾驶模拟器上的人类演示。
2022-06-24 cs.RO cs.SY eess.SY
CARL: Congestion-Aware Reinforcement Learning for Imitation-based Perturbations in Mixed Traffic Control
University of Tennessee（田纳西大学）
针对现有方法难以建模人类驾驶车辆复杂行为的问题，提出结合模仿学习与概率采样的CARL方法及两类强化学习机器人车辆，可分别提升混合交通的安全性与通行效率。
2024-07-09 cs.RO
SAFE-GIL: SAFEty Guided Imitation Learning for Robotic Systems
University of Southern California（南加州大学）
SAFE-GIL通过在数据收集时注入对抗性扰动引导专家进入安全关键状态，从而训练出在测试期间更安全的行为克隆策略，并在多个机器人导航任务中显著减少安全失败。
2024-11-19 cs.LG cs.RO cs.SY
TamedPUMA: safe and stable imitation learning with geometric fabrics
TU Delft（代尔夫特理工大学）
针对现有模仿学习难以保障机器人运动安全与物理约束满足的问题，提出融合几何织物的TamedPUMA算法，通过两种IL导航变体实现稳定且兼容避障、关节限位约束的模仿学习，并在仿真与7自由度机械臂真实任务中验证有效性。
2025-03-21 cs.LG cs.RO cs.SY
Leveraging Demonstrator-perceived Precision for Safe Interactive Imitation Learning of Clearance-limited Tasks
Nara Institute of Science and Technology（奈良科学技术研究所）
针对间隙受限任务中交互式模仿学习的安全问题，本文提出 DPIIL 方法，利用人类演示中的速度-精度权衡感知环境精度，在高风险状态让渡控制权给人类，从而在无需显式环境模型的情况下提升训练安全性，并通过仿真和 UR5e 机械臂装配实验验证了其有效性。
2024-02-21 cs.RO
Detecting Unsafe Behavior in Neural Network Imitation Policies for Caregiving Robotics
本文研究护理机器人模仿学习中的不安全行为检测，针对扩散策略提出集成预测器与改进归一化流算法以解决“Policy Stopping”问题，在辅助机器人基准上优于 VAE 和 Tran-AD。
2024-07-29 cs.RO
Safer End-to-End Autonomous Driving via Conditional Imitation Learning and Command Augmentation
模仿学习是自主车辆控制器端到端培训的一种有前途的方法。通常情况下，这种方法的驾驶过程是完全自动的和黑匣子，尽管在实践中，希望通过高级命令控制车辆，例如告诉它在十字路口走哪条路。在现有的工作中，这已经通过分支神经架构的应用来完成，因为直接提供命令作为控制器的附加输入通常导致命令被忽略。在这项工作中，我们克服了这一限制，通过学习一个解开的概率潜变量模型，生成的转向命令。我们实现了忠实的命令条件生成，而不使用分支架构，并证明了控制器的稳定性提高，只应用一个变分目标，没有任何特定领域的调整。最重要的是，我们用一个额外的潜在变量扩展了我们的模型，并增加了数据集，以训练一个对不安全命令（例如要求它变成一堵墙）具有鲁棒性的控制器。这项工作的主要贡献是建立可控的模仿驱动代理，提高了多个方面的鲁棒性和可解释性的现有技术。
2020-11-20 cs.LG cs.MA cs.RO
Model Predictive Adversarial Imitation Learning for Planning from Observation
Paul G. Allen School of Computer Science & Engineering（保罗·G·阿伦计算机科学与工程学院）
本文提出一种基于模型预测的对抗模仿学习方法，通过端到端学习从观察中规划，提升样本效率和鲁棒性。
2026-03-02 cs.AI cs.RO
HG-DAgger: Interactive Imitation Learning with Human Experts
Stanford University（斯坦福大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
模仿学习已被证明对许多现实问题有用，但行为克隆等方法存在数据不匹配和复合错误问题。解决这些限制的一种尝试是Dagger算法，它使用新手引起的状态分布来从专家那里采样纠正措施。然而，这种抽样方案要求专家提供行动标签，而不完全控制系统。这会降低安全性，并且当使用人类作为专家时，由于感知到的致动器滞后，可能会降低所收集的标签的质量。在这项工作中，我们提出了HG-Dagger，Dagger的一个变体，更适合于在现实世界的系统中从人类专家进行交互式模仿学习。除了训练新手策略外，HG-Dagger还学习了基于模型不确定性的风险度量的安全阈值，该风险度量可用于预测经过充分训练的新手在状态空间不同区域的表现。我们在模拟和真实世界的自动驾驶任务上评估了我们的方法，并证明了Dagger和行为克隆的性能改善。
2019-03-11 cs.RO
Rewind-IL: Online Failure Detection and State Respawning for Imitation Learning
College of Connected Computing, Vanderbilt University（范德比尔特大学连接计算学院）；School of Computer Science, University of Waterloo（滑铁卢大学计算机科学学院）；School of Computer Science, The University of Sydney（悉尼大学计算机科学学院）；Australian Centre for Robotics, The University of Sydney（悉尼大学机器人研究中心）
Rewind-IL通过零样本故障检测和状态重置机制，提升模仿学习在长时域任务中的可靠性，解决执行漂移问题。
2026-10-02 cs.AI cs.CV cs.RO
Randomized Adversarial Imitation Learning for Autonomous Driving
Chung-Ang University（中央大学）
随着各种先进驾驶辅助系统（ADAS）平台的发展，自动驾驶系统的设计变得更加复杂和安全。自动驾驶系统同时激活多个ADAS功能，因此必须协调各种ADAS功能。本文提出了一种随机对抗模仿学习（RAIL）方法，模仿配备先进传感器的自主车辆的协调。RAIL策略通过无衍生优化进行训练，以供决策者协调适当的ADAS功能，例如，智能巡航控制和车道保持系统。特别是，该方法还能够处理激光雷达数据，并在复杂的多车道公路和多智能体环境中做出决策。
2019-05-13 cs.AI cs.LG cs.RO
Query-Efficient Imitation Learning for End-to-End Autonomous Driving
New York University（纽约大学）
实现端到端自动驾驶的一种方法是通过模仿专家驾驶员或参考策略来学习从感官输入（例如来自前置摄像头的图像帧）映射到驾驶动作的策略函数。这可以通过监督学习来完成，其中调整策略函数以最小化预测动作和地面实况动作之间的差异。然而，已知以这种方式训练的策略函数由于参考策略和训练的策略函数可达到的状态之间的不匹配而遭受意外行为。用于模仿学习的更高级的算法（诸如Dagger）通过从参考策略和训练策略两者迭代地收集训练样本来解决这个问题。这些算法通常需要对引用策略进行大量查询，这是不期望的，因为引用策略通常是昂贵的。在本文中，我们提出了一种名为SafeDagger的Dagger扩展，它具有查询效率，更适合端到端自动驾驶。我们在赛车模拟器中评估了建议的SafeDagger，并表明它确实需要较少的查询参考政策。我们观察到一个显着的收敛速度加快，我们推测是由于自动化的课程学习的效果。
2016-05-20 cs.AI cs.LG cs.RO
Reinforcement Learning in Robotic Motion Planning by Combined Experience-based Planning and Self-Imitation Learning
University of Groningen（格罗宁根大学）
针对机器人运动规划中高质量数据收集困难的问题，提出嵌入经验规划的SILP+算法，通过策略成功状态生成演示提升性能，在仿真与实体机器人实验中均实现更优训练效率和成功率。
2023-06-11 cs.AI cs.RO
Mastering Contact-rich Tasks by Combining Soft and Rigid Robotics with Imitation Learning
Cognitive Robotics, Delft University of Technology（德鲁特理工大学认知机器人学）；Bioinspired Soft Robotics Lab, Istituto Italiano di Tecnologia（意大利技术研究院仿生软机器人实验室）；Technology Innovation Institute (TII)（技术创新研究所）；Institute of Robotics and Mechatronics, German Aerospace Center (DLR)（德国航空航天中心机器人与机电研究所）
本文提出一种结合刚性机械臂与软臂的新型混合机器人平台，通过模仿学习使其兼具软体机器人的泛化灵活性与刚性机器人的高精度与可重复性，从而自主掌握富接触任务。
2025-11-05 cs.AI cs.RO
Force-Based Robotic Imitation Learning: A Two-Phase Approach for Construction Assembly Tasks
University of Florida（佛罗里达大学）；Northeastern University（东北大学）
本文提出一种两阶段机器人模仿学习系统，通过ROS-Sharp捕获操作员力反馈并转化为运动指令，提升了建筑装配任务的完成效率与成功率。
2025-01-24 cs.AI cs.RO
A Benchmark Comparison of Imitation Learning-based Control Policies for Autonomous Racing
University of Pennsylvania（宾夕法尼亚大学）
本文针对自动驾驶赛车控制策略，系统基准测试了多种模仿学习方法，证明交互式模仿学习优于传统方法，并能通过引导显著提升强化学习性能。
2023-05-28 cs.RO
Hybrid Imitation-Learning Motion Planner for Urban Driving
Computer Science and Technology, Xi’an Jiaotong University（计算机科学与技术，西安交通大学）
本文提出一种混合运动规划器，结合模仿学习与优化技术，以平衡城市驾驶中的安全性与人类相似性，并通过仿真和实车验证其有效性。
2025-04-19 cs.AI cs.LG cs.RO
Multi-Task Conditional Imitation Learning for Autonomous Navigation at Crowded Intersections
Peking University（北京大学）
近年来，人们一直致力于自动驾驶控制的深度模仿学习，其中原始感官输入直接映射到控制动作。然而，由于不确定的交通参与者造成的不确定性，通过人口密集的交叉口导航仍然是一项具有挑战性的任务。我们专注于在拥挤的十字路口，需要与行人互动的自主导航。提出了一个多任务条件模仿学习框架，以适应横向和纵向控制任务的安全和有效的互动。开发了一个名为IntersectNav的新基准，并提供了人类演示。实验结果表明，该方法可以实现高达30%的成功率增益相比，国家的最先进的。
2022-02-21 cs.CV cs.RO
A Simple Approach to Constraint-Aware Imitation Learning with Application to Autonomous Racing
Department of Mechanical Engineering, University of California at Berkeley（加州大学伯克利分校机械工程系）；Zoox
针对模仿学习中约束满足难、传统行为克隆方法在高精度任务表现欠佳的问题，提出将安全性纳入模仿学习目标的简单方法，经自主赛车仿真验证，该方法较BC约束满足度更高、任务表现更一致。
2025-08-27 cs.AI cs.LG cs.RO
Towards Autonomous Eye Surgery by Combining Deep Imitation Learning with Optimal Control
Johns Hopkins University（约翰斯·霍普金斯大学）；Johns Hopkins University School of Medicine（约翰斯·霍普金斯大学医学院）
在视网膜显微手术中，精确操作精细的视网膜组织是积极的手术结果所必需的。然而，手术工具的精确操纵和导航由于手术期间受限的工作空间和自上而下的视图而仍然是困难的，这限制了外科医生估计深度的能力。为了减轻这种困难，我们建议自动化的工具导航任务，通过学习来预测相对目标位置的视网膜表面从当前的工具提示位置。给定视网膜上的估计目标，我们生成导致预测目标的最佳轨迹，同时施加安全相关的物理约束，旨在最大限度地减少组织损伤。作为一个扩展的任务，我们生成目标预测到视网膜上的各个点，以定位眼睛的几何形状，并在估计的范围内进一步生成安全的轨迹。通过模拟实验和几个眼幻影，我们证明，我们的框架可以允许导航到视网膜上的各个点在0.089毫米和0.118毫米的xy误差小于人类的外科医生的平均震颤在0.180毫米的工具尖端。所有的安全约束得到满足，该算法是鲁棒的，以前看不见的眼睛，以及看不见的物体在场景中。现场视频演示请访问：https://youtu.be/n5j5jCCelXk
2020-11-16 cs.RO
Efficiently Combining Human Demonstrations and Interventions for Safe Training of Autonomous Systems in Real-Time
US Army Research Laboratory（美国陆军研究实验室）；Texas A&M University（得克萨斯农工大学）；Columbia University（哥伦比亚大学）
本文研究了如何利用不同形式的人类互动安全训练自主系统在实时的【形】从人类示范和干预学习。我们实现了自主系统的学习周期的两个组成部分，这是我们的框架，结合多种形式的人类互动。目前的努力采用人类示范，通过模仿学习来教授期望的行为，然后利用干预数据来纠正模仿学习者产生的不期望的行为，从而在仅几分钟的训练后安全地将新任务教授给自主智能体。我们演示了这种方法在一个自主栖息任务中使用四旋翼连续滚动，俯仰，偏航和油门命令和图像从一个向下面对的摄像头在高保真模拟环境中捕获。与仅从演示示教学习相比，我们的方法提高了相同数量的人类交互的任务完成性能，同时还需要平均少32%的数据来实现该性能。这提供了证据表明，结合多种人类交互模式可以提高自治系统的训练速度和策略的整体性能。
2018-11-28 cs.AI cs.HC cs.RO
Failure Detection for Surgical Robot Imitation Policies via Flow-Matching World Modeling
Georgia Institute of Technology（佐治亚理工学院）；Emory University（埃默里大学）
该研究针对外科机器人模仿策略的故障检测难题，提出FoMo-FD方法，利用流匹配世界模型实现无故障演示的视觉-动作不一致性窗口级检测，在dVRK的模拟与真实实验中表现优于基线方法。
2026-07-31 cs.RO
Ratatouille: Imitation Learning Ingredients for Real-world Social Robot Navigation
University of Toronto Institute for Aerospace Studies（多伦多大学航空航天研究学院）
本文提出 Ratatouille 流水线与模型架构，通过精心设计模仿学习组件而非增加数据，在真实社交导航中将碰撞率降低 6 倍、成功率提高 3 倍。
2025-09-23 cs.RO
Can We Detect Failures Without Failure Data? Uncertainty-Aware Runtime Failure Detection for Imitation Learning Policies
Toyota Research Institute (TRI)（丰田研究院）；Woven by Toyota (WbyT)（丰田编织（WbyT））
针对模仿学习策略的运行时失败检测，提出模块化两阶段方法FAIL-Detect，利用共形预测和流密度估计器，无需失败数据，实现更准确快速的失败检测。
2025-06-20 cs.AI cs.LG cs.RO
Bunny-VisionPro: Real-Time Bimanual Dexterous Teleoperation for Imitation Learning
University of California, San Diego（加利福尼亚大学圣迭戈分校）；The University of Hong Kong（香港大学）
Bunny-VisionPro 提出了一种基于 VR 头显的实时双手灵巧遥操作系统，通过低成本触觉反馈、碰撞与奇异性规避提升安全性和沉浸感，在标准任务上取得更高成功率和更短完成时间，并显著改善模仿学习的泛化能力，支持多阶段长时程灵巧操作任务。
2024-07-03 cs.CV cs.LG cs.RO
Bayesian Disturbance Injection: Robust Imitation Learning of Flexible Policies
Nara Institute of Science and Technology (NAIST)（奈良先端科学技术大学院大学）
要求人类从多个看似最优的行为中进行选择的场景是司空见惯的，然而标准的模仿学习往往无法捕捉到这种行为。相反，过度依赖于复制专家的行动会导致不灵活和不稳定的政策，导致应用程序的可推广性差。为了解决这个问题，本文提出了第一个模仿学习框架，该框架采用贝叶斯变分推理学习灵活的非参数多动作策略，同时通过引入和优化干扰来创建更丰富的演示数据集，从而使策略对错误源具有鲁棒性。这种组合方法迫使策略适应具有挑战性的情况，使稳定的多动作策略能够有效地学习。针对UR3型6自由度机器人手臂的扫桌任务，通过仿真和真实机器人实验对所提方法的有效性进行了评估。结果表明，通过提高灵活性和鲁棒性，所提方法的学习性能和控制安全性均优于比较方法。
2022-11-07 cs.RO
Beyond Imitation: Reinforcement Learning Fine-Tuning for Adaptive Diffusion Navigation Policies
Nanyang Technological University, Singapore（南洋理工大学，新加坡）；A*STAR, Singapore（A*STAR，新加坡）；National University of Singapore, Singapore（新加坡国立大学）
本文提出一种针对扩散导航的强化学习微调框架，通过Group Relative Policy Optimization提升策略适应性，在Isaac Sim中提升成功率和SPL，减少碰撞，展示出更强的零样本迁移能力和安全泛化能力。
2026-03-13 cs.RO
Imitation Learning-based Direct Visual Servoing using the Large Projection Formulation
University of Innsbruck（因斯布鲁克大学）；Dalle Molle Institute for Artificial Intelligence (IDSIA)（达勒·莫勒人工智能研究所（IDSIA））；University of Trento（特伦托大学）
本文提出一种基于动力系统模仿学习的直接视觉伺服方法，利用深度学习感知模块提取鲁棒特征，并通过大投影任务优先级公式集成学习模块，使机械臂在非结构化环境中稳定执行复杂视觉伺服任务。
2025-03-09 cs.RO
SIL-RRT*: Learning Sampling Distribution through Self Imitation Learning
Czech Technical University in Prague（布拉格捷克技术大学）
针对移动对象安全可行轨迹规划问题，提出基于自模仿学习的SIL-RRT*算法，通过深度神经网络预测采样分布扩展RRT*，在2D和3D环境中验证其样本效率更高且可扩展到复杂环境，为高维机器人运动规划提供新方案。
2024-11-26 cs.RO
Uncertainty-Aware Imitation Learning using Kernelized Movement Primitives
Idiap Research Institute（Idiap研究所）；Istituto Italiano di Tecnologia（意大利技术研究院）；Aalto University（阿尔托大学）；Bosch Center for Artificial Intelligence（博世人工智能中心）
本文提出基于 KMP 的不确定性感知模仿学习框架，联合预测动作变异性、相关性与不确定性，并通过最优控制器融合实现安全协作及部分示教的复杂任务组合。
2019-09-30 cs.LG cs.RO
Toward Autonomous Soft Robotic Endovascular Navigation via Imitation Learning
Johns Hopkins University（约翰霍普金斯大学）；Stanford University（斯坦福大学）；McGill University（麦吉尔大学）；University of Maryland（马里兰大学）；Swiss Federal Institute of Technology in Lausanne (EPFL)（日内瓦联邦理工学院（EPFL））；ETH Zurich（苏黎世联邦理工学院）
研究旨在实现自主软机器人血管内导航，开发基于变压器的模仿学习框架，通过目标条件等实现通用导航，在多种几何结构上训练并评估，策略成功率高，还进行了相关研究及扩展，提升了在未见几何结构上的成功率。
2026-07-14 cs.AI cs.RO
Generalizable Human-Robot Collaborative Assembly Using Imitation Learning and Force Control
Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
机器人在我们的日常生活中的存在一直在稳步增加，它们可以与人类一起工作，在工业楼层，办公室和家庭中提供各种任务的帮助。自动化装配是机器人的重要应用之一，通过建立人-机器人系统的协作，下一代装配系统将变得更加高效。然而，尽管协作机器人已经存在了几十年，但它们在真正的协作系统中的应用仍然有限。这是因为一个真正的协作人-机器人系统需要调整其操作方面的不确定性和不精确的人类行动，确保安全在交互过程中，在本文中，我们提出了一个系统的人-机器人协同装配使用示教学习和位姿估计，使机器人能够适应人类操作所造成的不确定性。示教学习用于基于来自基于深度学习的视觉系统的不同目标位置的姿态估计来生成机器人的运动轨迹。所提出的系统是使用一个物理的6自由度机械手在一个协作的人-机器人装配场景。我们通过各种实验成功地推广了系统的操作，以改变初始和最终的目标位置。
2022-12-02 cs.AI cs.RO
Neural-Primitive: An Efficient End-to-end Local Planner with Primitive-based Imitation Learning for Autonomous Flight
Institute of Cyber-Systems and Control, College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院 Cyber-系统与控制研究所）；Huzhou Institute, Zhejiang University（浙江大学湖州研究院）；Institute of Systems Engineering, China Academy of Engineering Physics（中国工程物理研究院系统工程研究所）；School of Automation, Hangzhou Dianzi University（杭州电子科技大学自动化学院）；Department of Automation, North China Electric Power University (Baoding)（华北电力大学（保定）自动化系）；Differential Robotics Technology Company（差分机器人技术公司）
针对自主飞行机载轨迹生成的计算-质量-内存困境，提出基于模仿学习的Neural-Primitive规划器，通过轻量级原语框架与紧凑神经网络实现高效规划，仿真与实飞验证其性能优势与迁移能力。
2026-09-16 cs.AI cs.RO
Evaluation of MPC-based Imitation Learning for Human-like Autonomous Driving
Siemens Digital Industries Software（西门子数字工业软件）；KU Leuven（荷语鲁汶大学）；Flanders Make（法兰德斯制造研究院）
本文评估模仿学习与可微MPC结合在类人自动驾驶中的应用，通过开闭环训练增强策略稳健性，实验证明其模仿策略能有效接近人类驾驶风格。
2023-06-26 cs.RO
Socially Compliant Navigation through Raw Depth Inputs with Generative Adversarial Imitation Learning
The Hong Kong University of Science and Technology（香港科技大学）；Albert Ludwig University of Freiburg（阿尔伯特·路德维希 Freiburg 大学）
我们提出了一种方法，移动机器人学习导航在动态环境中与行人通过原始深度输入，在社会兼容的方式。为了实现这一目标，我们采用了生成对抗模仿学习（GAIL）策略，该策略改进了预先训练的行为克隆策略。我们的方法克服了以前的方法的缺点，因为它们严重依赖于附近行人的位置和速度信息的完整知识，这不仅需要特定的传感器，而且从原始感觉输入中提取这种状态信息可能会消耗大量的计算时间。在本文中，我们提出的基于GAIL的模型直接在原始深度输入和实时计划上执行。实验表明，我们基于GAIL的方法大大提高了移动机器人的行为从纯粹的行为克隆的安全性和效率。现实世界的部署还表明，我们的方法能够直接通过原始深度输入引导自动驾驶汽车以符合社会要求的方式导航。此外，我们还发布了一个模拟插件，用于基于社会力模型对行人行为进行建模。
2018-02-26 cs.AI cs.LG cs.RO
Differentiable Constrained Imitation Learning for Robot Motion Planning and Control
TU Dortmund University（多特蒙德工业大学）
针对机器人运动规划中软约束模仿学习在分布外场景易出安全故障的问题，提出融合硬约束的可微模仿学习框架，经仿真实验验证了其在移动机器人与自动驾驶场景的有效性。
2023-08-28 cs.LG cs.RO
FILIC: Dual-Loop Force-Guided Imitation Learning with Impedance Torque Control for Contact-Rich Manipulation Tasks
Tsinghua University（清华大学）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；DISCOVER Robotics（DISCOVER机器人）
提出FILIC框架，通过双环结构结合Transformer策略与阻抗控制器，利用关节力矩估计末端力，实现无力传感器下的力感知接触操作，显著提升安全性和适应性。
2026-06-23 cs.RO
Immersive Demonstrations are the Key to Imitation Learning
Imperial College London（帝国理工学院）；Dyson School of Design Engineering（戴森设计工程学院）
实现成功的机器人操作是机器人在工业和家庭环境中广泛使用的重要一步。最近，许多基于学习的方法被提出来解决这个挑战，其中模仿学习显示出巨大的前景。然而，不完美的演示和缺乏反馈的遥操作系统可能会导致穷人甚至不安全的结果。在这项工作中，我们探讨了示范力量反馈的模仿学习的效果，使用反馈手套和机器人手臂，使指尖和手掌水平的力量，分别。10名参与者记录了5个演示的拾取和放置任务与3个抓手，条件下没有力反馈，指尖力反馈，指尖和手掌力反馈。结果表明，力反馈显着减少演示指尖和手掌的力量，导致演示力量的变化较小，并记录轨迹，更快地执行。使用行为克隆，我们发现，代理人训练模仿这些轨迹反映这些好处，即使代理人没有力数据显示给他们在训练过程中。我们的结论是，身临其境的演示，实现力反馈，可能是解锁更安全，更快地执行灵巧的操作策略的关键。
2023-01-22 cs.RO
Specification-Guided Data Aggregation for Semantically Aware Imitation Learning
UC Berkeley（加州大学伯克利分校）；Toyota Research Institute（丰田研究院）
仿真和形式化方法引导的环境采样的进步使机器学习模型在许多安全关键场景中的严格评估成为可能，例如自动驾驶。这些环境采样技术对改进学习模型本身的应用尚未得到充分利用。在这项工作中，我们引入了一种新的方法，通过利用规范指导的采样技术作为在新环境中聚合专家数据的手段，以语义感知的方式改进模仿学习模型。具体来说，我们创建了一组正式的规范作为一种手段，分区的空间可能的环境到语义相似的区域，并确定这个分区的元素，我们学习模仿的行为最不同的专家。然后，我们汇总专家数据的环境中，这些地区，导致更准确的模仿专家的行为语义。我们在CARLA驾驶模拟器中进行了一系列实验，并证明了我们的方法比其他环境采样方法更准确。
2023-03-29 cs.FL cs.LG cs.RO
