模仿学习（Imitation Learning，简称 IL）在 2010 年提出，是一种通过学习专家示范行为来获得策略的方法。与传统的强化学习不同，模仿学习不需要显式设计奖励函数，而是直接从「专家怎么做」中学习「我该怎么做」。

模仿学习主要包括行为克隆、逆强化学习、 DAgger 算法、生成对抗模仿学习几种方法，在自动驾驶、机器人控制等多个领域均有广泛应用。