该文综述了将自然语言引入机器人模仿学习的研究，通过融合语言、知觉与动作实现精细控制并降低场景模糊度。方法包括分层控制、多模态编码器、离散技能与对比损失，在CALVIN等基准及真实任务中超越基线，语言标注成本低于总数据1%，任务完成长度提升达2.5倍。

本文综述多种机器人模仿学习方法：基于课程学习与MoE从多样化人类演示中学习控制技能；BTIL对多智能体团队心理状态建模，实现半监督高效学习；Interaction Warping用形态扭曲从单次演示学习SE(3)操作；视觉模仿学习将任务建模为状态估计，从单次演示学习操作；SAPIEN挑战涵盖模仿学习、离线强化学习及规则方法；离线模仿学习引入鉴别器加权行为克隆；置信度评分方法从次优演示学习；干预策略学习解决精确操作难题；DWSL从离线数据学习目标条件策略；SMILE用扩散模型过滤低质演示。

该文综述机器人模仿学习研究：采用元学习、神经网络与Transformer、自监督状态估计，使机器人能从单个人类演示视频学习操作技能；引入自然语言描述提升控制精度；用生成对抗模仿学习产生类人运动；通过人机交互界面与数据增强优化数据采集和模型性能，在推动、堆叠、扫地等多任务上取得较高成功率。