A Survey of Imitation Learning- Algorithms, Recent Developments, and Challenges
IL是区别于传统手动编程来赋予机器人自主能力的方法。
IL 允许机器通过演示（人类演示专家行为）来学习所需的行为，从而消除了对显式编程或特定于任务的奖励函数的需要。
IL主要有两个类别：
Dynamic Open-Vocabulary 3D Scene Graphs for Long-term Language-Guided Mobile Manipulation
和我的想法非常相近，完成度也很高啊喂。可以参考他的实现思路，引用的文章等等。
ACDC- Automated Creation of Digital Cousins for Robust Policy Learning
数字孪生(DT)作为现实世界非常精确的映射虽然可以用于高精度的训练但是生产DT资产过于繁琐且没有泛化性，不能做到zero-shot。
数字表亲(DC)通过比对模型特征，从模型库中选择类似的表亲模型，用于重建场景训练机械臂。让机械臂针对不同第一次见的场景具有泛化性。
（a）它减少了手动微调的需要，以保证一定的保真度，从而能够完全自动化地创建数字表亲，（b）它通过提供一组增强的场景来训练机器人策略，从而有助于更好地应对原始场景中的变化。
Human-robot interaction for robotic manipulator programming in Mixed Reality
和我毕设很像的工作，居然已经发ICRA了？
虽然近些年有关AR在人机交互方面应用的研究有很多，但是这些研究大都缺少系统性的分析
用于将关键点数据转化为关节动作（各关节旋转角度）
拟题：
基于混合现实的智能体交互
具体功能：
通过hololens2获取场景数据（识别小车/其他物体的位置，网格信息）。
通过hololens2的立体空间交互能力，指挥小车进行移动，执行任务（譬如抓取柱体并移动到相应位置）。
- 关于移动，可以是在眼镜中通过手部动作画一条路径
- 关于执行任务，可以是眼镜识别出物体的位置后规划小车移动和动作序列(A*or强化学习)->相关信息发给小车->小车收到后执行
通过hololens2的虚拟物体放置功能，譬如可以放置小车的车库，柱体移动到的目标位置等
可以通过hololens2显示小车将要移动的意图
