它是什么，解决什么问题
本主题覆盖预训练、模仿学习、强化学习、奖励、评测、回放。它属于“数据与数据飞轮”，用于理解这一组能力、方法或产业对象的边界。
范围与比较维度
- 预训练
- 模仿学习
- 强化学习
- 奖励
- 评测
- 回放
需要持续回答
- 把数据来源、质量、可用权利和具体能力增益连起来，比较每次有效迭代的总成本。
当前知识边界
比较数据来源时仍需补齐跨任务、跨本体的成本和效果证据。
证据补充 · 2026-10-10
ReWeight v1 用行为相似性检索与加权人类示范。DoBot 四任务、两类视觉扰动各 10 次，纯机器人数据、随机混合与该方法分别成功 23/80、33/80、48/80（§IV-C/D，Table IV）。这支持在指定 VLA 后训练中比较数据选择策略，不能推出任意人类视频直接可用。