发表时间：2021（ICML 2021）
文章要点：这篇文章提出了demonstration-conditioned reinforcement learning (DCRL)来做Few-Shot Imitation，将demonstration和当前状态作为输入，通过强化学习最大化任务相关的reward。
具体方式就是把demonstration放到buffer里面，然后agent还是和环境交互，用强化的方式进行训练，只是这个policy的输入会有当前的状态和要模仿的demonstration，然后训练的时候buffer里的样本都会用上，包括demonstration。强化的算法用的PPO，Policy的结构用的transformer
具体算法如下
总结：这个Few-Shot Imitation的假设有点强了，首先要有需要模仿的demonstration，然后还可以和环境交互做强化训练，而且还知道各个task的reward function。虽然说是few-shot了，但是放宽了很多其他条件。
疑问：这个真的是imitation learning吗，我怎么看怎么觉得是个强化学习的过程啊，又要和环境交互，又有reward function，真的可以吗？要说imitation，唯一的点也就是把demonstration放进buffer里了啊好像。
- Demonstration-Conditioned Demonstration Reinforcement Conditioned Imitationdemonstration-conditioned demonstration reinforcement demonstration-conditioned imitation demonstration conditioned camera-conditioned self-conditioned camera camera-conditioned re-identification self-conditioned representations conditioned reinforcement