FOCUS：用最优传输监督的可微控制方法从观测中模仿

FOCUS 是一种从纯状态观测演示中学习行为的方法，无需已知时间对应关系。它把智能体 rollout 窗口与多个采样专家片段做局部最优传输对齐，用 soft best-of-K 目标强调局部匹配，由此得到可微的模仿奖励，再由学习到的 critic 在 rollout 时域之外做价值自举。方法不要求时间对齐轨迹、专家对齐初始化或 teacher forcing。在 DFlex 的接触丰富运动任务上，包括由 152 个肌肉激活控制的肌肉骨骼人形，FOCUS 相比对抗式从观测模仿方法和此前的可微模仿基线提升了样本效率与训练稳定性。