behavior-cloning

This paper proposes 'Mirror Learning', a framework for imitation learning from third-person observation that uses a fine-tuned video diffusion model for perspective transformation and an inverse dynamics model to synthesize pseudo first-person expert data, showing that this mirror data alone can train effective policies and improve behavior cloning.

DeepEpoch是一个无代码桌面应用，通过行为克隆观察用户操作来学习玩2D游戏，并支持人在回路中微调。

Anchor-Align通过视觉-语言锚定增强行为克隆，以保留预训练表示和语言-动作对齐，在xArm7上使真实机器人成功率提升超过20%，并在模拟基准测试中持续取得改进。

任务无关预训练（TAP）将VLA训练分解为从无标签交互数据中进行的自监督运动技能学习，然后是轻量级的语言接地，以最少的专家演示实现了强大的性能。它匹配或超越了在数百万条专家轨迹上训练的模型，同时对真实世界扰动具有鲁棒性。

该论文提出了技能引导连续蒸馏（SGCD），这是一个迭代式自我改进框架，利用技能引导策略在闭环执行过程中为偏离轨迹的状态生成监督信号，将OSWorld-Verified上GUI代理的成功率从约30%提升至超过50%。

本文研究了逐阶段度量选择是否能改善行为克隆策略的演示筛选。作者发现，阶段门控筛选从未优于全局或统一度量应用，并且缺陷信号在各阶段间的稀释是失败的原因。

本文介绍了参数化扩散策略（Parameterized Diffusion Policy, PDP）框架，该框架通过以低维潜在参数为条件，使扩散策略变得可控，从而实现无需重新训练即可进行平滑的行为插值和自适应。在仿真和真实机器人实验中，该方法在复杂的多模态机器人任务上展现了更优的性能。

本文介绍了PRO-CUA，一种使用迭代步骤级强化学习训练计算机使用代理（CUA）的过程奖励优化框架。该方法将同策略环境交互与策略优化解耦，实现了密集的信用分配，无需依赖专家轨迹，并在实时网络基准测试中展示了有效性。

本文介绍了频率引导算子（Frequency Guidance Operator, FGO），一种用于扩散策略的方法，通过引导噪声样本通过中间子频率流形来平滑动作生成，从而提升机器人操作任务的性能。

泄露音频显示，Meta正在利用工程师的工作轨迹，通过行为克隆来训练编程AI，同时裁减数千个工作岗位。