1. 行为克隆：通过监督学习拟合专家的状态到动作映射。
2. 负对数似然（NLL）为什么能训练行为克隆？设计loss时， 最大化专家动作的预测概率。 注意：最大化的是专家动作的概率，不是直接最大化机器人完成任务的成功率。两者相关，但并不完全等价。

分2类： 1. 单体式：同一个网络承接多个任务。 同时又分为 单系统（同时生成文字和动作指令）和双系统（外挂一个专家模型）。 2. 层次式：先规划再执行。