FOCUS：用最优传输监督的仅观测模仿学习一阶控制方法

FOCUS 提出将局部最优传输对齐与短时域可微 actor-critic 学习结合，用于仅观测模仿学习，无需时间对齐的专家轨迹或专家对齐初始化。该方法用软 best-of-K 目标把智能体 rollout 窗口匹配到多个采样的专家片段，由传输代价给出可微模仿奖励，并用学习到的 critic 在 rollout 时域之外自举价值。