本文介绍了一种新算法“Discriminator-Actor-Critic”，旨在解决基于对抗模仿学习的隐式偏差和复杂性问题。该算法通过离线策略强化学习降低交互复杂度，并设计无偏差奖励函数，适用于多种任务。研究还探讨了生成对抗模仿学习的理论性质，提出了优化算法和新颖的观察学习框架，显著提升了机器人控制策略的学习性能。

本文介绍了HumanoidBench人形机器人学习基准，旨在加速人形机器人算法研究。研究表明，分层学习在多项任务中优于传统强化学习。文章还提出了一种基于物理的控制器，能够在复杂环境中实现高保真度的运动模仿，并展示了机器人在真实世界中模仿人类动作的能力。