模倣学習（IL）は、エージェントが専門家の行動を観察し、再現することでスキルを習得する手法です。近年、深層学習の進展により、模倣学習は多様な領域での能力やスケーラビリティが大幅に向上しました。専門家データは完全な状態-行動軌跡から部分的な観察、ラベル付けされていないシーケンスまで幅広く利用可能です。この成長と共に、一般化、共変量シフト、デモの質などの課題に対処するための新たなアプローチが登場しています。本調査では、模倣学習研究の最新の進展をレビューし、新しい手法や実用的な応用、最近のトレンドを強調します。また、現在の研究の状況やトレンドをより反映する新たな分類法を提案します。代表的な作品の強みと限界を批判的に検討し、将来的な研究の重要な課題と方向性を概説しています。