本研究提出了一种即时策略，通过图表示引入归纳偏差，解决机器人领域的上下文模仿学习问题，快速学习多种日常任务，并为跨实体和零样本转移奠定基础。

本研究提出了SkillMimicGen（SkillGen），旨在解决机器人操控中模仿学习对大数据集需求的高成本问题。该系统通过少量人类演示生成数据集，显著提升了数据生成和策略学习性能，成功生成超过24,000个演示，实现了零样本的模拟到真实转移。

研究者构建了Cline数据集，包含16,642个英语-印地语混合文本句子，用于混合文本生成的质量控制。实验证明，基于混合代码指标训练的多层感知机模型表现更佳。研究者还进行了零样本转移可接受性判断，超过了随机基线。研究者公开发布了相关数据集、训练检查点、混合文本语料库和数据生成以及模型训练的代码。