本文介绍了一种新的基于状态的模仿学习算法，借助最近的对抗模仿学习方法，通过将总体优化目标分解为两个子问题并迭代地解决这些子问题,解决了专家和模仿者MDPs之间的过渡动力学不匹配问题。作者还通过OpenAI Gym的MuJoCo运动任务构造了几个有趣的Markov决策过程,分析表明该算法在存在过渡动力学不匹配现象时特别有效，而基线IL方法则会导致性能下降。

Feb, 2020

该论文提出了一种通过进行基于演示行为的学习，以在完全离线的模式下执行严格批量模仿学习。

Jun, 2020

在模仿学习中，专家策略的稳定性对模仿学习任务的样本复杂度有明显的影响，本文提出了增量收益稳定性约束版本的行为克隆和DAgger算法，通过实验验证了依赖任务地平线的泛化界限与系统的稳定性之间的关系。

Feb, 2021

本研究基于静态离线数据，提出了 MILO 框架及算法，用于高效解决无需在线交互式的模仿学习问题，其能够成功应对较弱行为准则下的状态行为的偏移问题，最终成功模仿高水平行为准则的动作。

Jun, 2021

本研究通过对演示者专业技能的无监督学习，开发了一种可同时学习演示者政策和专业技能水平的联合模型，并通过过滤每种演示者的次优行为，训练出可以优于任何演示者的单一策略，并可用于估计任意状态下演示者的专业技能，在Robomimic等实际机器人控制任务以及MiniGrid和棋类等离散环境中取得了比其他方法更好的表现。

Feb, 2022

本文提出了一种针对少量优秀数据和大量劣质数据的离线模仿学习问题的解决方案，并且采用了一种松弛的 f-分布来对策略的支持进行规范化，结果表明在六个标准连续控制环境中，相较于最优先的离线模仿学习方法，本文提出的 RelaxDICE 平均性能提升了30％以上。

Mar, 2023

我们提出了一个理论框架，用于研究非马尔可夫、潜在多模态（即“复杂的”）专家示范在非线性动力系统中的模仿。

Jul, 2023

我们提出了一种基于马尔科夫平衡方程和条件核密度估计的模仿学习框架，通过估计环境的转移动力学和满足环境的概率平衡方程来解决连续状态空间环境中的模仿学习问题，并在连续状态基准环境的一系列数值实验中展示了优于许多最先进的模仿学习算法的实证表现。

Aug, 2023

提出了一种从观测中进行离线模仿的方法，并使用轨迹感知的加权行为克隆策略，提高了鲁棒性和效果。

Nov, 2023

离线仿真学习（IL）在实际领域中由于专家数据的稀缺性而受到越来越多的关注。本文介绍了一种简单而有效的数据选择方法，基于其结果状态识别积极行为，从而更好地利用动态信息并有效地提取专家行为和有益的多样行为。通过在复杂和高维离线IL基准测试中的实验评估，结果表明我们的方法达到了最先进的性能，在20/21个基准测试中超越了现有方法，通常是2-5倍，并且与行为克隆（BC）保持可比的运行时间。

May, 2024