纠偏数据

Recovery and Correction Data常用

专门记录机器人快要出错或已经出错时怎样回到正轨的演示数据。

普通遥操作演示大多是一次做对的「完美轨迹」，策略没见过走偏以后的状态，一偏就不知道怎么救，错误越滚越大。纠偏数据补的就是这块：让策略自己跑，快失败时由人接管，把机器人拉回来并完成任务，再把这段接管加进训练集。思路可追溯到 2011 年的 DAgger（数据集聚合），后来有人工门控的 HG-DAgger 等变体。2025 年的 RaC 把它做成模仿学习之后的专门阶段：操作员先把机器人倒回一个熟悉的状态，再给出纠正片段，在挂衬衫、密封饭盒等长程任务上用约十分之一的采集时间超过此前方法。