人体运动动力学的建模与预测一直是计算机视觉领域中的一个长期挑战问题。现有大多数方法依赖于各类循环神经网络架构的端到端监督训练。受近期深度强化学习方法取得成功的启发，本文提出了一种面向人体姿态预测问题的新颖强化学习框架，并在此框架下结合行为克隆（behavioral cloning）与生成对抗性模仿学习（generative adversarial imitation learning），提出了一种模仿学习算法，用于预测未来姿态。实验结果表明，所提出的方法在短期与长期人体姿态预测任务上均显著优于所有现有最先进基线模型，同时在训练速度方面也展现出巨大优势。