Behavioral Cloning（行为克隆）

行为克隆将策略学习视为监督学习问题，利用专家演示的状态-动作对训练策略网络，使智能体在遇到相似状态时能输出与专家相似的动作。它避免了强化学习中的奖励设计和探索难题，但存在分布偏移问题，即测试时状态分布与训练分布不一致导致误差累积。为此，DAgger等方法通过交互式数据聚合来缓解。行为克隆已成功应用于自动驾驶、机器人抓取和游戏AI等领域。