内容摘要
用低成本机械臂做模仿学习，工程师要同时回答两个问题：选哪个策略、要录多少条示范。这篇论文在同一个真实任务上把两者拆开测：SO-101 机械臂配 LeRobot 库完成“抓绿球进篮子、桌上有两个红色干扰球”的任务，遥操作录 225 条示范，固定成 12/25/50/100/200 条嵌套子集，训练 ACT、Diffusion Policy、SmolVLA 与 π0.5；模型在 10 个固定摆放上各测一遍、单回合限 30 秒，共评出 1,340 个回合、126 个区块。
结果随数据量出现反转。数据稀缺时微调 π0.5 动作专家领先，12 条时 16/40、25 条时 28/40，之后停在 70% 上下；从 100 条起 ACT 反超，但作者称这领先幅度未被完全解决。ACT 从 12 条的 1/40 升到 100 条的 37/40、200 条的 35/40，每翻倍数据其成功几率约乘 3.9。
另外两个策略栽在“启动失败”上：SmolVLA 有 94/200 个回合机械臂没动起来，Diffusion Policy 在原始示范下 110 回合有 106 回合不动；剪掉示范开头的静止前导后降到 15/150。π0.5 两种微调方式差距更大：低秩适配（LoRA）4/110，只训动作专家 130/200，作者称配方比数据量更关键。
作者还从录像把每回合标到四级阶梯（启动、够到球、搬运、放入篮子），显示 ACT 的失败随数据从够不到球移到抓不稳再到消失；并测出同一权重重复测试两次平均相差 2.0 次成功（10 回合），说明十回合规模的对比区分力有限。
点评
给机器人本体软件工程师几条可直接用的判据：示范只有几十条时优先微调预训练策略，且要训练动作专家而不是 LoRA；数据上百条时把从零训练的 ACT 当基线再决定要不要上大模型；遥操作演示开头若有一段静止，务必剪掉再训；评测时记住同一权重重复测十回合平均会差 2.0 次成功，别用十回合给两个模型下结论。
结论只覆盖一个任务、一条手臂、一个操作者，作者明确不主张结论可迁移到其他任务；训练步数固定使数据量与每帧被看次数绑定（200 条的模型每帧比 12 条少看约 17 倍），高数据端的平台期无法区分是能力上限还是欠训练；每格 40 回合的样本量有限，100 与 200 条处的领先幅度作者称未被完全解决；证据仅来自 arXiv v1 的 HTML 全文（预印本），材料中未见同行评审信息。
版本与核查范围
版本 2610.37170v1 · 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 #S1.p1.1；#S1.p3.1；#S1.p3.1；#abstract1.3；#S4.SS1.SSS0.Px1.p1.1；#abstract1.2；#S4.SS3.SSS0.Px1.p1.1；#S4.SS3.SSS0.Px2.p1.1；#abstract1.2；#S4.SS5.SSS0.Px1.p1.1；#S1.I2.i3.p1.1；#S1.I2.i1.p1.1