行为克隆

行为克隆是最直接的模仿学习方法，将专家示范（状态-动作对）作为监督学习数据，训练策略网络直接映射观测到动作。优点是简单高效，缺点是存在分布偏移（covariate shift）问题——累积误差会导致策略偏离专家轨迹。