本文探讨了利用非专家轨迹进行监督学习以实现行为策略的泛化，提出了多种模仿学习和强化学习方法，包括样本基于的策略梯度算法、IMPLANT元算法和混合增强学习方法。这些方法在动态模拟和高维环境中表现优越，能够有效学习专家轨迹并提升策略性能。