本文提出了一种新颖的潜变量扩散规划（LDP）方法，旨在减少模仿学习对大量专家示范的依赖。该方法通过学习潜变量空间和训练规划器，利用无动作示范和次优数据，在模拟视觉机器人操作任务中显著超越现有模仿学习方法。

本文介绍了一种基于专家示范的强化学习算法，显著提升了学习效率和性能。研究探讨了结合过往数据与在线学习的策略，提出多种方法加速技能传输和探索效率，尤其在复杂任务中表现优异。