摘要
一种基于运动基元的分层生成对抗模仿学习(GAIL)方法，旨在提升GAIL算法在高维状态与动作空间中的训练稳定性与泛化能力，针对其因对抗关系导致样本效率低、对抗训练不稳定及难以建模复杂运动模式的问题，提出一种基于Transformer结构的优化生成策略，从时序特征建模与轨迹连贯性控制两方面同时提升生成轨迹的质量，并通过设计具备任务适应性的改进判别器，增强模型对高维连续控制任务的鲁棒性；在此基础上，构建高层‑低层分层策略结构，采用双层策略和动态权重调度的框架，实现多任务间的策略迁移与复杂运动模式的自适应生成，从而显著提升模仿学习系统的学习效率与策略泛化能力。
