一句话定义：行为克隆（Behavioral Cloning，BC）是一种模仿学习（Imitation Learning）方法，把专家的“状态-动作”记录当成带标签的监督数据，训练模型在什么状态下该输出什么动作。
想象你学做菜，师傅做一遍，你在旁边录像。视频每一帧是“状态”（食材、火候、锅里的样子），师傅的手部动作是“标签”（倒油、翻炒、加盐）。行为克隆就是把这些“画面-动作”对喂给模型，让它学会“看到什么，就做什么”。技术上说，它把序贯决策问题简化成了监督学习：输入观测（图像、传感器读数、状态向量），输出动作（方向盘转角、机械臂关节角、点击坐标）。损失函数让模型输出尽量贴近专家动作。
但有个坑：分布偏移（distribution shift）。模型一旦在某一步做错，就会走到专家示范里没出现过的状态；在这种陌生状态下，模型不知道该怎么办，错误会越滚越大——像学开车时教练只教过直路，你稍微偏了一点就慌了。缓解思路包括：多采集覆盖各种状态的示范、在训练中让专家对模型犯的错进行纠正（如 DAgger 这类迭代思路），以及用闭环测试而不是只看离线误差。
和相邻概念的区别：
| 维度 | 行为克隆 | 强化学习（Reinforcement Learning，RL） |
|---|---|---|
| 学习信号 | 专家动作标签 | 环境奖励 |
| 数据来源 | 专家示范轨迹 | 自行交互试错 |
| 优点 | 简单、直接、无需设计奖励 | 可能超越专家、适应长期目标 |
| 主要难点 | 分布偏移、误差累积 | 探索效率、奖励设计 |
逆强化学习（Inverse Reinforcement Learning，IRL）则介于两者：先从专家行为反推奖励函数，再用强化学习找策略，通常更贵但更灵活。
对从业者：BC 适合“示范容易、奖励难写”的任务，比如机械臂抓取、自动驾驶变道、游戏 NPC 行为、企业内部流程自动化。它是模仿学习的基线方法，但别指望离线误差小就等于上线可靠；要留出闭环评估和纠错数据的预算。对普通人：可以把 BC 理解成“跟着模板做”。新人照老员工录屏操作一遍，能快速上手，但模板没覆盖的意外情况依然需要人处理。