1. 课程导入

在传统机器人编程中，工程师需要把任务拆解成精确的坐标、轨迹和条件判断，再逐条写入控制程序。一旦物体位置、光照、摩擦或任务顺序发生变化，程序往往需要重新标定甚至重写。模仿学习（Imitation Learning）提供了另一条路径：让机器人从人类示范中直接学习“怎么做”，把专家操作转化为可复用的策略。行为克隆（Behavior Cloning, BC）则是模仿学习中最基础、工程落地最广泛的一类方法，它把示范数据看作“状态—动作”样本，用监督学习训练一个从观测到动作的映射函数。

1.1 核心定义与问题形式

设机器人在时刻 t 的观测为 o_t，动作为 a_t，专家示范轨迹为 τ = {(o_1,a_1), (o_2,a_2), ..., (o_T,a_T)}。行为克隆的目标是学习策略 π_θ(a|o)，使它在相似观测下输出接近专家的动作。训练目标通常是最小化动作预测误差：

L(θ) = E_(o,a)~D [ || π_θ(o) - a ||² ]   # 连续动作
L(θ) = -E_(o,a)~D [ log π_θ(a|o) ]        # 离散动作

这里的 D 是示范数据集，θ 是策略网络参数。与强化学习不同，行为克隆不要求机器人反复试错，也不依赖奖励函数设计，因此数据采集成本低、训练流程接近常规深度学习，非常适合抓取、放置、按压、插拔、倒水等操作任务。

1.2 发展历程：从示教再现到端到端策略

机器人模仿学习并非新概念。早期工业机器人采用“示教再现”（Teach Pendant），由人拖动机械臂记录轨迹点，机器人重复执行固定路径。这类方法依赖精确复现，缺乏泛化能力。20世纪90年代，学者开始用统计模型从示范中学习策略，如高斯混合模型、隐马尔可夫模型。2010年后，深度学习的兴起使端到端行为克隆成为可能：输入图像或点云，输出关节速度或末端位姿。近年来，扩散策略、动作分块、视觉语言模型等进一步提升了多模态、长时序任务的模仿学习能力。

1.3 核心价值：为什么工程上优先选择行为克隆

行为克隆的工程价值主要体现在四个方面。第一，数据即程序：人类示范一次，机器人就能获得一条可训练样本，省去复杂建模。第二，与深度学习生态兼容：可直接使用 PyTorch、TensorFlow、ROS 2、LeRobot 等工具链。第三，适合多模态输入：RGB、深度、关节角、力觉、语言指令都可以作为观测。第四，易于迭代：采集新数据、微调模型、重新部署的闭环周期短。

但行为克隆也有明显短板。最典型的是分布偏移：训练时只见过专家状态，部署时机器人一旦偏离专家轨迹，就会进入未见状态，错误逐步累积。另一个问题是动作多峰：同一观测下可能存在多种合理动作，若用均方误差回归，模型容易输出“平均动作”，导致机械臂犹豫或碰撞。后续章节会分别用 DAgger、动作分块、扩散策略等方法应对。

1.4 典型应用场景

• 桌面抓取与放置：从人类拖拽示范中学习抓取杯子、积木、工具并放置到目标位置。
• 柔性物体操作：叠衣服、整理线缆、翻书等任务难以精确建模，适合从示范中学习。
• 装配与插拔：USB 插入、齿轮装配、连接器对接，需要结合视觉与力觉反馈。
• 厨房与家庭服务：倒水、搅拌、开抽屉、按按钮等长时序任务。
• 工业质检与分拣：从人工分拣示范中学习缺陷识别与抓取策略。

1.5 课程框架与学习路径

本课程共 30 章，围绕“数据—模型—训练—评测—部署”五段式展开。下表给出整体框架与关键产出。