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。