标准回答
行为克隆（BC）
最基础的模仿学习：收集专家演示 (状态, 动作) 对，用监督学习训练策略拟合专家动作。优点是无需奖励、无需环境交互、训练稳定；缺点是只见过专家轨迹上的状态。
复合误差问题
测试时策略自己驱动环境，一旦动作有小偏差就进入专家未覆盖的状态，模型在这些状态上没学过、预测更差，误差逐步累积（distribution shift / compounding error），轨迹越走越偏。
DAgger 如何纠偏
DAgger（Dataset Aggregation）迭代地：用当前策略采集轨迹 → 对策略实际访问到的状态请专家标注正确动作 → 把新数据并入数据集重训。这样训练分布逐渐覆盖策略自己会遇到的状态，缓解漂移。代价是需要一个能在线查询的专家。
常见误区
⚠️ 常见踩坑
BC 的失败不是「拟合不够」而是分布漂移：在训练集上误差很低也可能真机崩溃；只靠加大模型或加数据而不解决状态覆盖，问题依旧。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。