机器人学不会长任务，缺的是自己搞砸后的数据

机器人做长任务，失败常常从一个小误差开始，滚到后面收不住。斯坦福团队的新工作I3L盯的就是这段最后一公里：策略在离线演示里表现不错，部署后遇到没见过的状态就退化。Fei-Fei Li在推文里把问题说得很直接，长程机器人任务的last-mile gap。

I3L全称是Iterative Interactive Imitation Learning for Whole-Body Mobile Manipulation。它的硬件叫JoyLo+。操作员平时不用管，电机驱动的leader臂跟着策略走；手一握触摸感应手柄，接管双臂、躯干、底座和夹爪；松开，策略从纠正后的状态重新规划。物料清单估算，Franka配置约1087美元，R1 Pro配置约1257美元，不含机器人本体、税、运费、线缆、紧固件、轴承和安装件。设计、CAD、代码、模型和数据集都开源。

这套东西解决的是数据分布问题。离线模仿学习从遥操作演示里学，演示覆盖不到的状态，策略没见过。长程任务把复合误差放大，全身移动操作还要协调手臂、躯干和底座，穷举演示不现实。Wensi Ai在推文里写，长程放大误差，全身协调又让失败难纠正。

训练流程不复杂，但细节关键。每轮部署上一轮策略，通过JoyLo+收集带标签的rollout。HG-DAgger过滤后，只保留原始演示和主动干预帧，干预前和on-policy帧都排除。每轮从同一预训练检查点重新训练，不接着上一轮权重。早期失败修掉后，纠正自然往后段运输、放置转移，形成失败模式课程。说白一点，纠正数据把训练集中到策略真正会掉进去的状态。

数据：8个任务，3种机器人，包括4个长程全身移动操作。基线平均提升68.3个百分点，每个任务至少90%成功。同样100条轨迹预算，纠正比额外演示平均高35.6个百分点。四轮后，每个episode平均接管时长降72%。三名不同遥操作经验的操作员在Franka挂马克杯任务上各跑三轮，每轮25个episode，干预负担都降，免接管episode都在累积。策略比较里，四轮HG-DAgger在两个模拟任务上最终成功率最高，但轮数多不保证更好，怎么从纠正里学同样关键。

Adam P在回复里说，只从完美演示里学过的机器人，从没见过自己搞砸。这句话点到了。额外演示是正确示范，纠正数据是在错误边上拽回来。后者更贵，因为要人盯着，但它对准了部署时真正发生的失败。这套系统没有绕开人，只是让人出现在最该出现的地方。接管时长降了72%，人仍是成本。任务值不值得这么调，是另一个问题。

项目网站：https://i-3l.github.io/
论文：https://arxiv.org/abs/2610.17748
代码：https://github.com/i-3l/I3L
模型和数据集：https://huggingface.co/I3L