Agent Priors-guided Policy Learning：用智能体先验引导策略学习

针对机器人从少量演示中学习时组合泛化与技能泛化相互依赖、但技能策略结构与组合层描述之间信息丢失的问题，研究提出 Agent Priors-guided Policy Learning，用智能体先验引导策略学习。该方法的核心思路是让组合层不再仅通过名称、指令或符号算子等丢失结构的描述来调用技能。