XSkill: Cross Embodiment Skill Discovery
Columbia University（哥伦比亚大学）；J.P. Morgan AI Research（摩根大通人工智能研究院）；Carnegie Mellon University（卡内基梅隆大学）
本文提出 XSkill 框架，通过从人类与机器人视频中发现跨本体技能原型，并结合条件扩散策略实现技能迁移与组合，使机器人能根据人类提示视频完成未见操作任务。
2023-09-28 cs.AI cs.LG cs.RO
LIDEA: Human-to-Robot Imitation Learning via Implicit Feature Distillation and Explicit Geometry Alignment
LIDEA通过隐式特征蒸馏和显式几何对齐，解决人机交互中的表征对齐问题，提升机器人学习效率和域外鲁棒性。
2026-04-12 cs.CV cs.RO
Imitation Learning with Precisely Labeled Human Demonstrations
Yilong Song
针对现有利用人类演示的方法在精确动作推断等方面的挑战，本研究通过为手持夹具分配独特易分割颜色，结合RANSAC和ICP配准方法实现精确末端执行器位姿估计，提升了策略性能。
2025-04-18 cs.AI cs.RO
Adapt3R: Adaptive 3D Scene Representation for Domain Transfer in Imitation Learning
Georgia Institute of Technology（佐治亚理工学院）；Georgia Tech Research Institute（佐治亚理工研究学院）；University of Toronto（多伦多大学）
针对模仿学习策略在域外观测下鲁棒性差、现有3D场景表示迁移效果有限的问题，提出通用3D观测编码器Adapt3R，结合预训练2D骨干与3D定位，在保留IL算法学习能力的同时实现跨实体与视角的零样本迁移。
2025-05-15 cs.AI cs.CV cs.LG
Task-Centric Policy Optimization from Misaligned Motion Priors
本文提出任务导向的运动先验框架，通过将模仿视为条件正则化器，提升任务性能并抑制有害模仿，验证了在嘈杂示范下的鲁棒性。
2026-02-03 cs.LG cs.RO
EmbodiSwap for Zero-Shot Robot Imitation Learning
department of Computer Science, University of Maryland, College Park, MD, 20742（计算机科学系，马里兰大学， College Park, MD）
本研究提出EmbodiSwap方法生成合成机器人叠加视频，创新性将V-JEPA作为视觉骨干用于零样本机器人模仿学习，真实测试成功率达82%，并开源相关代码、数据集与模型权重。
2025-10-04 cs.AI cs.CV cs.LG
Cross-Domain Imitation Learning via Optimal Transport
Berkeley AI Research（伯克利人工智能研究）
GWIL通过Gromov-Wasserstein距离实现跨领域模仿学习，有效对齐不同空间的状态，适用于连续控制领域。
2026-01-13 cs.AI cs.LG cs.RO
Cross-Domain Transfer via Semantic Skill Imitation
University of Southern California（南加州大学）；Meta AI；KAIST（韩国科学技术院）；Georgia Tech（佐治亚理工学院）
我们提出了一种语义模仿的方法，该方法使用来自源域的演示，例如人类视频，以加速不同目标域中的强化学习（RL），例如模拟厨房中的机器人机械手。我们的方法不是模仿关节速度等低级别动作，而是模仿“打开微波炉”或“打开炉子”等语义技能的序列。这使我们能够跨环境（例如从真实世界到模拟厨房）和代理实施例（例如从双手人类演示到机器人手臂）转移演示。我们评估了三个具有挑战性的跨域学习问题，并匹配了需要域内演示的演示加速RL方法的性能。在模拟的厨房环境中，我们的方法学习长视野机器人操作任务，使用不到3分钟的人类视频演示，从现实世界的厨房。这使得能够通过重复使用演示来缩放机器人学习，例如，作为人类视频收集，以用于在任何数量的目标域中学习。
2022-12-14 cs.LG cs.RO
EgoMimic: Scaling Imitation Learning via Egocentric Video
Georgia Institute of Technology（佐治亚理工学院）；Stanford University（斯坦福大学）
针对模仿学习演示数据规模与多样性不足的问题，提出全栈框架EgoMimic，通过第一人称人类手部视频结合3D追踪数据与机器人数据联合训练统一策略，在多类操作任务上超越现有方法，且人类数据的扩展效率优于机器人数据。
2024-10-31 cs.CV cs.RO
Learning Speed-Adaptive Walking Agent Using Imitation Learning with Physics-Informed Simulation
Carnegie Mellon University（卡内基梅隆大学）；University of Michigan（密歇根大学）
提出融合物理信息仿真与对抗模仿学习的框架，训练可适应不同步速且运动生物力学真实的骨骼人形行走智能体，误差达5.24±0.09度。
2024-12-05 cs.LG cs.RO
EgoMI: Learning Active Vision and Whole-Body Manipulation from Egocentric Human Demonstrations
UC Berkeley（伯克利大学）
EgoMI通过同步捕捉头部和末端执行器轨迹，实现从第一人称人类演示中学习主动视觉与全身操作，有效弥合人机身体差距，提升半人形机器人模仿学习性能。
2026-03-10 cs.RO
Body Transformer: Leveraging Robot Embodiment for Policy Learning
UC Berkeley（加州大学伯克利分校）
针对普通Transformer未充分利用机器人学习问题结构的问题，提出Body Transformer架构，以机器人身体的传感器-执行器图结合掩码注意力引入具身归纳偏置，在模仿与强化学习策略的任务完成度、缩放性和效率上均优于基线模型。
2024-08-12 cs.AI cs.LG cs.RO
ACE-F: A Cross Embodiment Foldable System with Force Feedback for Dexterous Teleoperation
UC San Diego（加州大学圣地亚哥分校）
ACE-F是一种具有力反馈的跨体折叠远程操作系统，通过逆运动学和软控制器流水线实现跨体泛化和精确控制，提升机器人灵巧操作的直观性和效率。
2025-11-25 cs.RO
LocoMuJoCo: A Comprehensive Imitation Learning Benchmark for Locomotion
TU Darmstadt（达姆施塔特工业大学）；German Research Center for AI (DFKI)（德国人工智能研究中心）；Centre for Cognitive Science（认知科学中心）
本文提出LocoMuJoCo基准，涵盖四足、双足及肌肉骨骼人体模型等多种环境和数据集，支持动力学随机化与部分可观测任务，并附带手工指标和最先进基线算法，以推动运动模仿学习研究的严格评估与比较。
2023-11-30 cs.LG cs.RO
EmbodiSteer: Steering Embodiment-Agnostic Visuomotor Policies with Joint-Space Guidance for Zero-Shot Cross-Embodiment Deployment
Department of Automation, Tsinghua University（清华大学自动化系）；Beijing Key Laboratory of Embodied Intelligence Systems（北京具身智能系统重点实验室）；Institute for Embodied Intelligence and Robotics, Tsinghua University（清华大学具身智能与机器人研究所）
提出EmbodiSteer框架，通过前向运动学和雅可比更新将推理时的扩散采样提升到目标机器人关节空间，并加入全身碰撞感知引导，实现零样本、具身感知的部署，在模拟和物理机器人上显著降低碰撞率并提高任务成功率。
2026-10-14 cs.RO
Translating Flow to Policy via Hindsight Online Imitation
Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院）；University of California San Diego（加州大学圣地亚哥分校）；Washington University in St. Louis（圣路易斯华盛顿大学）；Shanghai Jiao Tong University（上海交通大学）；Shanghai Qi Zhi Institute（上海启智研究所）
通过回顾在线模仿将流翻译为政策，利用2D点流作为高层规划器，在模拟和现实任务中实现超过2倍的性能提升。
2026-02-12 cs.LG cs.RO
Pushing the Limits of Cross-Embodiment Learning for Manipulation and Navigation
Stanford University（斯坦福大学）；University of California, Berkeley（加州大学伯克利分校）；Google Deepmind（谷歌DeepMind）
本文提出统一的目标条件策略，将导航与操作视为同一目标到达任务，验证跨异构具身协同训练可提升操作鲁棒性并实现新型移动操作机器人零样本控制。
2024-02-29 cs.RO
Re-Mix: Optimizing Data Mixtures for Large Scale Imitation Learning
Stanford University（斯坦福大学）；UC Berkeley（加州大学伯克利分校）
本研究针对机器人模仿学习的数据选择问题，提出Re-Mix方法，基于分布鲁棒优化学习数据集域权重，通过早停等策略适配机器人数据差异，在Open X-Embodiment数据集上显著优于均匀及人工权重。
2024-08-26 cs.LG cs.RO
Flow-Enabled Generalization to Human Demonstrations in Few-Shot Imitation Learning
The Australian National University（澳大利亚国立大学）
本文提出SFCrP方法，通过场景流预测和流条件策略实现人类演示在少样本模仿学习中的泛化，提升机器人在现实任务中的表现和泛化能力。
2026-02-27 cs.LG cs.RO
Bi-KVIL: Keypoints-based Visual Imitation Learning of Bimanual Manipulation Tasks
Institute for Anthropomatics and Robotics, Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院人类工程与机器人研究所）
本文提出Bi-KVIL方法，通过提取混合主从关系、双臂协调策略和亚符号任务表示，实现了从少量人类演示视频中学习细粒度双臂操作任务，并能有效泛化到新场景中的同类物体。
2024-03-22 cs.RO
CE-Nav: Flow-Guided Reinforcement Refinement for Cross-Embodiment Local Navigation
AMAP, Alibaba Group（阿里集团AMAP）
CE-Nav提出两阶段框架，先用模仿学习训练形态无关的通用专家，再用强化学习精化适应新机器人，实现跨形态导航的高效泛化。
2025-10-23 cs.RO
Instant Policy: In-Context Imitation Learning via Graph Diffusion
The Robot Learning Lab at Imperial College London（帝国理工学院伦敦分校机器人学习实验室）
即时策略利用图扩散和伪演示数据，通过上下文模仿学习实现从一两个演示中即时学习新任务，支持跨实体和零样本迁移。
2025-04-25 cs.AI cs.CV cs.LG
MV-UMI: A Scalable Multi-View Interface for Cross-Embodiment Learning
Center for Artificial Intelligence and Robotics (CAIR) NYU Abu Dhabi（人工智能与机器人中心（CAIR）纽约大学阿布扎赫德分校）；Mechanical Engineering Program, NYU Abu Dhabi（机械工程项目，纽约大学阿布扎赫德分校）
本文提出MV-UMI框架，通过集成第三人称视角与自我中心摄像头，克服手持夹爪仅依赖腕部摄像头导致的场景上下文不足问题，在3个任务上提升约47%性能，同时保留跨具身数据收集优势。
2025-09-23 cs.AI cs.RO
K-VIL: Keypoints-based Visual Imitation Learning
Institute for Anthropomatics and Robotics, Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院拟人化信息学与机器人研究所）
提出K-VIL方法，从少量演示视频自动提取基于关键点的几何约束任务表示，结合新型导纳控制器，实现一次和少样本视觉模仿学习，在杂乱场景等实际应用中表现高效鲁棒。
2023-07-25 cs.RO
RoboWheel: A Data Engine from Real-World Human Demonstrations for Cross-Embodiment Robotic Learning
Tsinghua University（清华大学）；Synapath；CUHK（香港中文大学）；HKU（香港大学）；PolyU
RoboWheel通过高精度HOI重建和强化学习优化，将现实世界人类示范转化为跨形态机器人学习的有效数据，提供轻量级、通用的运动表示，提升机器人学习性能。
2025-12-02 cs.RO
Human-Humanoid Robots Cross-Embodiment Behavior-Skill Transfer Using Decomposed Adversarial Learning from Demonstration
T-Stone Robotics Institute（天石机器人研究所）；The Chinese University of Hong Kong（香港中文大学）；Idiap Research Institute（伊迪亚普研究所）
针对人形机器人高自由度导致的数据收集困难，提出跨本体技能迁移框架，利用数字人模型和对抗模仿学习行为原语，将复杂结构分解为功能组件独立训练并动态协调，通过人-物交互图实现任务泛化，在五台机器人上验证有效降低数据需求并提升迁移效率。
2024-12-19 cs.AI cs.RO
Towards Embodied Scene Description
Tsinghua University（清华大学）
具身性是所有智能主体（生物和机器人）的重要特征，而现有的场景描述任务主要集中在被动地分析图像，场景的语义理解与主体与环境的交互分离。在这项工作中，我们提出了嵌入式场景描述，它利用代理的体现能力，找到一个最佳的视角，在其环境中的场景描述任务。建立了一个以模仿学习和强化学习为范式的学习框架，用于指导智能体产生相应的感觉运动活动。该框架在AI2Thor数据集和真实世界机器人平台上进行了测试，证明了所开发方法的有效性和可扩展性。
2020-05-07 cs.CV cs.RO
Scaling Single Human Demonstrations for Imitation Learning using Generative Foundational Models
Computer Science, University of Freiburg（弗赖堡大学计算机科学系）；Zuse School ELIZA（泽乌斯学校ELIZA）
通过生成基础模型扩展单人示范用于模仿学习，实现从单人示范到机器人任务的高效训练与泛化
2026-02-13 cs.RO
Dynamic Manipulation of Deformable Objects using Imitation Learning with Adaptation to Hardware Constraints
Aalto University（阿尔托大学）；Institut de Robòtica i Informàtica Industrial, CSIC-UPC（西班牙国家研究委员会-加泰罗尼亚理工大学机器人与工业信息研究所）
提出一个结合约束动态运动基元和准静态细化运动的模仿学习框架，解决可变形物体动态操作中硬件约束问题，并在袋子打开任务中验证其有效性。
2024-03-19 cs.RO
Hybrid Imitation Learning: Teleoperation Augmentation Primitives that Policies Learn to Trigger
INCAR Robotics AB（INCAR机器人公司）；KTH Royal Institute of Technology（皇家理工学院）
混合扩散模型结合开环流程与视觉运动扩散策略，通过遥控增强原语实现高效任务执行，验证于现实挑战任务。
2026-09-22 cs.RO
Motion Tracks: A Unified Representation for Human-Robot Transfer in Few-Shot Imitation Learning
本文提出将动作表示为图像上的短时程2D轨迹（motion tracks），实现跨本体的人机迁移，仅需少量人类视频和机器人演示即可训练策略，在4个真实任务中达到86.5%的成功率。
2025-10-10 cs.AI cs.LG cs.RO
SKIL: Semantic Keypoint Imitation Learning for Generalizable Data-efficient Manipulation
IIIS, Tsinghua University（清华大学生科院）；Shanghai AI Laboratory（上海人工智能实验室）；Shanghai Qi Zhi Institute（上海启智研究院）；Department of Automation, Tsinghua University（清华大学自动化系）
SKIL框架利用视觉基础模型自动提取语义关键点，以极低样本复杂度实现复杂机器人操作的高效模仿学习，并在长时程任务中仅用30个演示达到70%成功率，同时支持跨具身学习。
2025-07-02 cs.AI cs.RO
Where Do Humans Look When Demonstrating to Robots? Human Gaze Behavior in Pick-and-Place Tasks Across Demonstration Devices
Toyota Motor Corporation（丰田汽车公司）；Nara Institute of Science and Technology（奈良先端科学技术大学院大学）
研究探讨了人类在不同机器人演示设备中 gaze 行为的变化，发现设备特性会影响 gaze 从任务目标线索转向控制监控线索，影响基于 gaze 的模仿学习性能。
2026-06-29 cs.RO
TAVIS: A Benchmark for Egocentric Active Vision and Anticipatory Gaze in Imitation Learning
Department of Intelligent Systems（智能系统系）
TAVIS提出了一种评估主动视觉模仿学习的基础设施，包含两个任务集和两个仿人躯干机器人，通过实验发现主动视觉对任务类型和条件具有任务依赖性，且多任务策略在分布偏移下表现下降，模仿学习能产生与人类参考相当的预见性注视。
2026-10-08 cs.AI cs.CV cs.LG
CLAW: Learning Continuous Latent Action World Models via Adversarial Latent Regularization
University of Chicago（芝加哥大学）；Toyota Technological Institute at Chicago（芝加哥丰田技术研究所）；Argonne National Laboratory（阿贡国家实验室）
提出CLAW框架，利用对抗潜在正则化和扩散视频生成，从无动作视频中端到端学习世界模型与连续潜在动作表示，支持观察模仿学习和目标导向规划。
2026-06-02 cs.RO
Hand-centric Human-to-Robot Trajectory Transfer from Video Demonstrations via Object Category-agnostic Temporal Localization
Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）
提出HOWTransfer框架，通过接触定位从人类视频中提取接触感知的机器人轨迹，无需物体特定描述，在多样化操作任务中实现86%的成功率。
2026-09-22 cs.RO
SPOT: SE(3) Pose Trajectory Diffusion for Object-Centric Manipulation
NVIDIA；University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of California San Diego（加州大学圣地亚哥分校）
本文提出 SPOT 框架，以相对目标的 SE(3) 对象位姿轨迹表示任务并条件化扩散策略，支持多类型演示与跨本体泛化，仅用八个 iPhone 演示即完成全部真实任务。
2025-05-13 cs.RO
Ambient Diffusion Policy: Imitation Learning from Suboptimal Data in Robotics
MIT（麻省理工学院）
提出环境扩散策略，通过噪声依赖的数据使用从次优数据中提取有用特征，在六项任务上优于现有方法，最高提升33%。
2026-06-11 cs.AI cs.RO
ARCap: Collecting High-quality Human Demonstrations for Robot Learning with Augmented Reality Feedback
Stanford University（斯坦福大学）
提出ARCap便携式数据收集系统，通过增强现实视觉反馈和触觉警告指导新手收集符合机器人运动学且无碰撞的高质量演示数据，使机器人能完成杂乱环境及长周期跨本体操作任务。
2024-10-11 cs.AI cs.RO
Human2LocoMan: Learning Versatile Quadrupedal Manipulation with Human Pretraining
Carnegie Mellon University（卡内基梅隆大学）；Google DeepMind（谷歌DeepMind）；Bosch Center for AI（博世人工智能中心）
针对四足机器人自主多用途操作技能的可扩展学习挑战，提出跨形态模仿学习系统，通过统一遥操作管道、模块化架构及首个LocoMan操作数据集，结合人类数据预训练，大幅提升真实任务成功率及分布外性能。
2025-07-07 cs.AI cs.LG cs.RO
I3L: Iterative Interactive Imitation Learning for Whole-Body Mobile Manipulation
Stanford University（斯坦福大学）；Lambda Inc.（Lambda公司）
I3L是结合全身校正与迭代策略优化的集成系统，经多机器人多任务评估，可显著提升全身移动操作的自主成功率，缩小离线训练与可靠部署的差距。
2026-11-02 cs.AI cs.RO
Domain Adaptive Imitation Learning
Stanford University（斯坦福大学）；Tsinghua University（清华大学）
我们研究的问题是如何模仿任务跨域的差异，如体现，观点和动态不匹配。许多以前的工作需要成对的，对齐的演示和一个额外的RL步骤，需要环境交互。然而，成对的，对齐的演示很少获得，RL程序是昂贵的。我们形式化的域自适应模仿学习（DAIL）问题，这是一个统一的框架，模仿学习的观点，实施例，和动态失配的存在。非正式地说，DAIL是学习如何最佳地执行任务的过程，在不同的领域中演示任务。我们提出了一个两步的方法DAIL：调整后的适应。在对齐步骤中，我们执行一种新的无监督MDP对齐算法，生成对抗MDP对齐（GAMA），从\emph{unpaired, unaligned}演示中学习状态和动作对应关系。在自适应步骤中，我们利用对应关系来跨域zero-shot模仿任务。为了描述DAIL通过对齐和自适应的可行性，我们引入了MDP可扩展性理论。我们的实验评估GAMA对基线的实施例，观点和动态不匹配的情况下，对齐的演示不存在，并显示我们的方法的有效性。
2020-07-18 cs.AI cs.LG stat.ML
R3D: Revisiting 3D Policy Learning
Zhejiang University（浙江大学）；ShanghaiTech University（上海科技大学）
本文针对3D策略学习中的训练不稳定和过拟合问题，提出结合可扩展的Transformer3D编码器与扩散解码器的新架构，有效提升3D模仿学习的性能。
2026-09-22 cs.CV cs.RO
MimicTouch: Leveraging Multi-modal Human Tactile Demonstrations for Contact-rich Manipulation
Georgia Institute of Technology（佐治亚理工学院）；Zhejiang Technology（浙江理工大学）
MimicTouch提出通过采集人类多模态触觉演示数据，结合模仿学习与在线残差强化学习，直接学习触觉引导策略，以弥合人手与机器人夹爪的差距，有效解决接触丰富操作任务。
2025-02-06 cs.LG cs.RO
SEED-UMI: Sharing the Exoskeleton between human and robot for onE-to-one Dexterous demonstration
Delta Intelligence（三角洲智能）
提出SEED-UMI框架，通过人与机器人共享外骨骼实现一对一灵巧演示，将重定向转为配对跨具身监督，在五个接触丰富任务上数据收集效率提升3.0倍，平均成功率70.0%。
2026-09-11 cs.RO
RAIL: A modular framework for Reinforcement-learning-based Adversarial Imitation Learning
The University of Texas at Austin（得克萨斯大学奥斯汀分校）；US Army Research Laboratory（美国陆军研究实验室）；Sony AI（索尼人工智能）
虽然对抗性模仿学习（AIL）算法最近在各种模仿学习基准测试中取得了最先进的结果，但目前还不清楚各种设计决策对性能的影响。为此，我们在这里提出了一个有组织的，模块化的框架，称为强化学习为基础的对抗性模仿学习（RAIL），包括和概括现有的AIL方法的一个流行的子类。使用RAIL所支持的观点，我们创建了两个新的IfO（Imitation from Observation）算法，我们称之为SAIfO：基于SAC的对抗性模仿来自观察和SILEM（Skilling Feature Compensation for模仿学习with Embodiment Mismatch）。我们将在单独的技术报告中更深入地介绍SILEM。在本文中，我们专注于SAIfO，在OpenAI Gym的一系列运动任务上对其进行评估，并表明它优于执行IfO的同期RAIL算法。
2021-05-08 cs.LG
Towards Human-level Intelligence via Human-like Whole-Body Manipulation
AstriBot Team（AstriBot团队）
本文提出 Astribot Suite，通过安全硬件、可扩展全身遥操作接口与演示学习流程的统一集成，实现面向日常任务的通用全身机器人操作。
2025-07-23 cs.AI cs.RO
One-Shot Imitation under Mismatched Execution
Cornell University（康奈尔大学）
针对人机演示执行不匹配问题，提出RHyME框架，利用序列级最优传输自动配对轨迹并合成语义等价视频，无需配对数据，任务成功率提升超50%。
2025-03-28 cs.AI cs.LG cs.RO
Action Inference by Maximising Evidence: Zero-Shot Imitation from Observation with World Models
Volkswagen Group（大众汽车集团）；Technical University of Munich（慕尼黑工业大学）；Eötvös Loránd University Budapest（布达佩斯厄特沃什·罗兰大学）
本文提出 AIME 方法，通过世界模型最大化演示证据实现零样本观察模仿，无需额外训练或在线交互，在 DeepMind Control Suite 上优于现有基线。
2023-12-04 cs.AI cs.LG
Domain-Robust Visual Imitation Learning with Mutual Information Constraints
Centre for Robotics Research（机器人研究中心）；Department of Engineering, King’s College London（伦敦国王学院工程系）
人类能够通过简单地观察他人执行任务来理解目标和学习。模仿学习方法的目的是复制这样的能力，然而，它们通常依赖于访问代理的执行器和从代理的角度采取的一整套最佳状态和动作。在本文中，我们介绍了一种新的算法-称为解开生成对抗模仿学习（DisentanGAIL）-目的是绕过这些限制。我们的算法使自主智能体直接从执行任务的专家的高维观察中学习，通过利用对抗学习与潜在的代表性内的神经网络。通过互信息约束来正则化这种潜在表示，以激励仅学习对关于所演示的任务的完成水平的信息进行编码的特征。这允许获得一个共享的特征空间，以成功地执行模仿，同时忽略专家和代理的域之间的差异。从经验上讲，我们的算法是能够有效地模仿各种控制问题，包括平衡，操纵和机车任务，同时是强大的各种领域的差异，在环境外观和代理的实施例。
2021-03-08 cs.AI cs.LG
Imitation Learning from a Single Temporally Misaligned Video
Cornell University（康奈尔大学）
针对单个视觉演示时间未对齐导致帧级匹配失效的问题，提出序列级匹配方法ORCA，通过衡量智能体按正确顺序覆盖演示帧的概率作为奖励，在Meta-world和Humanoid-v4任务上显著优于现有算法。
2025-07-14 cs.LG
Semi-Supervised One-Shot Imitation Learning
University of California, Berkeley（加州大学伯克利分校）；Google Deepmind（谷歌DeepMind）
针对单样本模仿学习依赖大量成对演示的问题，本文提出半监督 OSIL 设定，并利用嵌入聚类自生成轨迹配对，在模拟控制任务中达到接近真实标签监督的性能。
2024-08-09 cs.AI cs.LG
