主题
数据飞轮
将失败、纠正与数据版本转为可验证收益，并核算人工和系统成本。
Jason · 更新 2026-10-10 · 持续维护
数据飞轮是从运行经验到下一轮可验证改进的闭环，不是数据量自然增长就会形成的能力。
失败与接管分类 → 定向补采/纠正 → 同步、清洗、标注与版本化
→ 训练或系统修正 → 独立回归评测 → 受控使用 → 再观察
看错物体、指令误解、接触失败与时间戳/热降频问题需要不同改进路径，不能都交给大模型重训。数据保留原始、处理后与训练版本，测试按场景/对象/轨迹划分，避免相邻帧泄漏。
当前判断 · 2026-10-10 核查
RECAP 提供“自主执行+纠正→按批次后训练”的背景样本，但仍需人工标签、介入与重置。USER v4 将异步采集、持久 buffer 与权重更新连接；缓存恢复能力不是机器人现场自主恢复。依据与边界 · 依据与边界
RoboCasa 的 07-07 子任务标注属于原有数据增强描述，不能算作新采集轨迹；其时点也在本窗口之前。依据与边界
闭环收益要同时看完整成功、失败覆盖、总人工时间、训练与端到端迭代成本。现有代表结果不足以证明飞轮会自动降低这些成本。迁移见 仿真与 Sim2Real，学习信号见 强化学习。
证据补充 · 2026-10-10
CAPEX v1 将失败调用计入有效示范成本：18 项 RoboCasa 任务、360 个匹配起点，Astra 成功示范 45/360→193/360；按 2026-09-22 API 标价，每条成功示范 $9.15→$1.83（§4.1/4.2，Table 1）。这个账本比单次调用费用更接近有效产出，但仅覆盖模型调用；真机重置与成功评价仍需人工（§5），不能替代总成本。
历史观察
按发布时点排列，反映本站已收录范围，不代表完整研究时间线。
- LoopWAM：利用部署轨迹闭环改进通用策略
提供一种利用混合质量交互历史的训练路径：失败轨迹仍可监督物理后果学习，而不必直接模仿其动作。
- 用含失败轨迹微调 Boundless 世界模型：RoboTwin「调整水瓶」的假成功从 82.5% 降到 26.3%
对机器人软件开发者来说用处很具体：世界模型（world model，即根据动作生成后续画面的模型）产出的视频一旦把失败画成成功，就不能拿来判断这一把有没有抓住；这份检查点显示，把失败轨迹喂回世界模型能明显压低这种「假成功」（留出片段上失败误读率由 0.825 降到 0.263，成功召回 0.964）。权重与基座同结构（同一 DiT 扩散变换器与动作编码器状态字典，仅推理权重），可直接替换 `step-12000.safetensors`，接入已有推理管线改动很小。接入时照卡片的推理契约即可：每窗 61 帧（1 初始帧 + 8 历史帧 + 52 未来帧），`num_inference_steps=50`、`cfg_scale=1`、`action_mode=adaln`，动作取 BWM 的 `eef_abs` 空间；卡片还提示发布管线在 50 步推理时历史噪声分支实际不起作用，需要自己加噪。把模型当 PPO 训练场的用法同样出自这份作者材料。
- Recova：面向自主机器人操作的智能体引导失败恢复
这项作者研究展示了把失败恢复作为独立、可学习能力，并将人工干预转为后续训练数据的闭环路径。
