独幕剧：基于动作分块Transformer的单次演示行为克隆

从人类演示中学习(行为克隆)是机器人学习的基石。然而，大多数行为克隆算法需要大量演示才能学会一项任务，尤其是对于具有大量不同初始条件的通用任务。而人类即便仅观看一到两次演示，也能学会完成任务，甚至是复杂任务。我们的工作力求模仿这种能力，利用行为克隆在仅给定单次人类演示的情况下学习一项任务。我们通过使用线性变换来增强该单次演示，生成一组适用于广泛初始条件的轨迹，从而实现这一目标。利用这些演示，我们得以训练一个行为克隆智能体成功完成三项积木操作任务。此外，我们对动作分块智能体在推理时所用的时序集成方法进行了新颖改进。通过将动作预测的标准差纳入集成方法，我们的方法对环境中的突发变化更具鲁棒性，从而带来显著的性能提升。