机器人领域的深度生成模型：基于多模态演示的学习综述

从演示中学习（Learning from Demonstrations）这一领域旨在从数据中学习机器人行为模型，正因深度生成模型的出现而日益受到关注。尽管该问题长期以来以模仿学习、行为克隆或逆强化学习等名称存在，但经典方法依赖的模型往往难以捕捉复杂的数据分布，或难以扩展到大量演示。近年来，机器人学习社区对使用深度生成模型捕捉大规模数据集的复杂性表现出越来越的兴趣。本综述旨在提供对过去一年在机器人领域应用深度生成模型进展的统一而全面的综述。我们介绍了社区探索的不同模型类型，如能量模型、扩散模型、动作价值图或生成对抗网络。我们还介绍了深度生成模型被用于不同应用的类型，从抓取生成到轨迹生成或成本学习。生成模型最重要的元素之一是对分布外的泛化能力。在本综述中，我们审阅了社区为提高所学模型泛化能力所采取的不同决策。最后，我们概述了在机器人领域学习深度生成模型的研究挑战，并提出了若干未来方向。