未來的自動化工業場域中，機器必須能執行複雜的任務，並減少所需的標註資料與校正調整的時間。本技術開發了全新的少樣本模仿學習模型，使得機器能夠只透過少量的展示就能適應到新穎、未知的任務上。透過關注展示中重要的階段資訊並濾除不重要或無關聯的片段來理解當下該如何行動。此技術在相關領域中獲得重大的進展。

我們開發了全新的少樣本模仿學習技術，其表現顯著地優於現今最好的方法。透過觀察展示中重要的階段資訊，讓機器了解如何在複雜且多階段的任務中執行動作。視覺化結果證明該技術能偵測當下狀態位於的階段。此外，我們亦證明開發的技術有最佳的魯棒性，它在面對未遇過的次佳(包含雜訊)展示時依然能偵測並有效率地執行任務。

考量到每個新任務蒐集大量展示需要的成本, 此開發技術帶入了少樣本模仿學習的架構，使得模型只需要少量展示就能應用於新穎的複雜任務上，讓機器能更快速設置於生產線。生產目標有所變化時也能快速適應，大幅提昇流程的彈性與延展性。透過解決新任務缺少足夠展示來訓練模型的問題，此技術能更加速工業4.0的落地與發展。