利用场景图扩展机器人模仿学习的时空上下文

模仿学习使机器人能通过观察学习任务，但真实环境常因空间巨大而观测不全，且多步任务需长时程推理。为此，本文提出在模仿学习中利用场景图作为显式结构化记忆机制。通过维护捕捉物体中心关系及其随时间演变的动态场景图，该方法允许智能体在执行任务时保留相关历史上下文，从而对增量积累的场景信息进行高效推理。模拟移动操作及真实桌面操作实验表明，该方法显著提升了策略性能，尤其在需要长期推理及部分可观测下鲁棒泛化的场景中。