内容摘要
静态示范难以覆盖策略出错后进入的分布外状态，常规监督微调也不区分样本对任务进展的贡献。作者提出HIL-UMI，将人在回路后训练的数据采集移至手持通用操作接口（UMI）：策略读取与人相同的观测流，但不在机器人上执行预测动作。
方法采用两条独立反馈回路：Energy Score比较人类动作片段与策略预测分布，触发针对性采集；另一回路收集优势预测偏低的片段，用于更新任务进展优势估计器，再以新旧数据混合开展优势条件行为克隆。
作者在单台Franka机械臂的四项长时程或精细操作任务上评测，每个策略检查点、每项任务测试10次，以给予子任务部分分数的任务进展分数（TPS）计量。论文报告，同等每轮数据预算下，HIL-UMI较SFT持续改善；在Clean Up Table同阶段预算比较中，最终TPS比HG-DAgger约高5分，每帧采集耗时分别为73.40和412.99毫秒。不过，针对性筛选使其每记录帧耗时高于常规SFT，不能将相对HG-DAgger的效率优势推广到所有采集方式。
点评
其价值在于将策略感知的数据筛选与机器人执行解耦，为跨操作者、跨地点扩展采集提供路径，而非已经验证分布式训练。
证据来自作者论文，结果限于所述单臂、四任务及TPS协议，不能等同于完整任务成功率或通用能力；跨地点并行采集仍列为未来工作。
版本与核查范围
版本 2609.20659v2 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #abstract1.1；#S1.p5.1；#abstract1.1；#S1.p6.1；#S4.SS2.SSS1.p1.1；#abstract1.1；#S4.SS2.SSS2.p1.1；#S4.SS2.SSS4.p1.1；#S4.SS5.p1.1；#S4.SS5.p1.1；#S4.SS4.p2.1；#S1.I1.i1.p1.1