行为克隆

把专家演示当标注数据，用监督学习直接学「看到什么就做什么」。

行为克隆是最基础的模仿学习方法：收集大量「观测-动作」对，比如人遥操作机器人时记录的相机画面和关节指令，把观测当输入、专家动作当标签，用监督学习训练策略网络去拟合。1988 年 Pomerleau 的 ALVINN 用神经网络从图像直接输出行驶方向，是早期代表。它简单稳定，不需要设计奖励函数，ACT、扩散策略和多数 VLA 模型的主体训练都属于行为克隆。主要缺点是复合误差：策略一旦偏离演示轨迹，就进入训练时没见过的状态，小错越积越大；DAgger、纠偏数据和强化学习微调都是针对这一点的补救。

例子ACT 只用约 10 分钟、50 条人类遥操作演示做行为克隆，就让低成本双臂机器人以 80%–90% 的成功率完成打开半透明调料杯盖、往遥控器里装电池等精细任务。

也叫

行为复制、Behavioral Cloning、Behavioural Cloning

相关

模仿学习、复合误差、DAgger（数据集聚合）、演示数据、ACT、扩散策略

来源

Wikipedia: Imitation learning
Pomerleau 1988: ALVINN: An Autonomous Land Vehicle in a Neural Network (NeurIPS)
Zhao et al. 2023: Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware (ACT)