Imitation learning para pick-and-place en línea de envasado

Recibes 200 demostraciones del operador (trayectorias estado-acción) sobre 4 variantes de frasco capturadas en simulación PyBullet calibrada. Implementa behavior cloning con red MLP (3 capas), valida success rate en simulación (100 episodios por variante) y propone una métrica de cobertura de estado (ej: distancia al estado más cercano en train > umbral → marcar como out-of-distribution). Discute cualitativamente los riesgos de transferencia sim-to-real. Éxito = success rate >= 0,85 promedio, métrica de cobertura implementada con umbral justificado, y memo con plan de pilot de 2 semanas en línea real.