BAIM（贝叶斯主动元模仿学习）

模仿学习通常需要大量专家演示，但获取成本高。BAIM 将模仿学习视为贝叶斯推断问题，使用主动学习策略选择不确定性高或对策略提升最大的状态进行查询，从而减少所需演示数量。同时，元学习使模型能在新任务上仅用少量演示快速微调。该方法在仿真机器人控制任务中表现出色，例如在 MuJoCo 环境中，BAIM 比标准行为克隆减少 50% 以上的演示需求。其核心挑战在于平衡探索与利用，并处理高维连续状态空间。