Drifting-based BC
在 Flow Matching Behavior Cloning 基础上提出新方法，改善轨迹建模与生成。
用更有效的轨迹，
学习更好的策略。
工作包含策略建模方法与轨迹级数据增强两个方向。
轨迹级数据增强
面向 Offline RL 设计轨迹压缩与增强方法。
关键帧重建
识别可加速片段，进行关键帧提取与重建。
学习效率
目标是在不降低任务成功率的前提下提高策略学习效率。
STATUS
相关工作已投递 NeurIPS 2026。
GENERATIVE POLICY LEARNING
生成式策略
围绕机器人策略学习中的轨迹建模与生成，探索新的 Behavior Cloning 方法与 Offline RL 数据增强。
TRAJECTORY → POLICY