标签
提出了 TD-Aug 方法，通过从几何视野模型（基于 TD-Flows 训练）中采样来想象新的目标状态，为目标条件行为克隆提供数据增强，显著提升了策略在 OGBench 拼接任务中的零样本组合泛化能力。
提出了 Keyframe Mnemonics，一种自监督关键帧发现方法，用于解决非马尔可夫环境下的行为克隆长时程依赖问题，在合成记忆域达到 100% 成功率，并在机器人操作基准上比最强基线平均绝对提升 13.9%。
一篇新论文《Split the Differences, Pool the Rest: Provably Efficient Multi-Objective Imitation Learning》提出了MA-BC方法，该方法仅在观测到的专家动作不存在分歧时才汇集专家示范数据，并给出了在具有不同目标的专家处进行学习时样本复杂度的上界和下界。
本文评估了分歧正则化模仿学习（DRIL）在CarRacing中图像级连续控制任务上的表现，对比了高斯策略与Beta策略这两种学习者策略。在少量示范样本的场景下，基于分数选择的DRIL取得了最大的性能提升；而在示范样本较充足时，Beta行为克隆仍然具有竞争力。
本文提出了一种强化学习代理，用于生成平面区域的可证明最优四边形块分解，展示了在可用性和最优性方面优于现有工具如Gmsh的性能。
提出在离线强化学习中将策略提取从actor训练中解耦，以解决如分布外动作放大和支持-价值权衡等问题，显示出比耦合方法更好的性能。
本文提出意图蒸馏 (INDI)，将行为意图蒸馏到视觉-语言-动作模型的动作解码器中，从而在SimplerEnv-Bridge等基准测试和现实世界任务中提高了性能。
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。