一句话看懂：alphaXiv 收录的一篇论文提出 Data Inoculation（数据接种）框架，让人在遥操作时由残差策略在线注入扰动、再由人纠正，从而收集更多“出错—恢复”样本。在三个真实机器人任务上，该数据训练出的策略成功率不输甚至优于行为克隆与离线强化学习。
事件核心：发生了什么
据 alphaXiv 页面，该论文发布于 2026 年 10 月 28 日。作者指出，机器人模仿学习高度依赖示范数据覆盖度：示范太“干净”，策略稍有偏差就会进入示范未覆盖的状态，难以恢复。现有采集方式要么靠人工经验给指令，要么用在线强化学习探索（牺牲安全与样本效率），要么依赖 DAgger 式干预（需策略先出错）。
DI 的做法是：人在闭环中持续遥操作，一个残差策略（论文称 inoculative policy）基于当前观测和人的实时指令输出有界扰动，叠加后执行；扰动每次保持 5 个控制步（10Hz 下约 0.5 秒），给人留出纠正时间。残差策略用异步在线强化学习在增长中的数据集上训练，目标是最大化任务奖励。在 t-cube 任务上，用该数据训练的离线 RL 策略平均成功率 0.59±0.02，纯干净遥操作数据为 0.42±0.06。以上仅基于摘要及页面概述，论文全文实验细节尚未核实。
为什么重要
机器人数据采集长期是瓶颈：高质量示范贵，覆盖度又难保证。DI 把“数据采集”和“策略将来会犯的错”挂钩，用在线残差扰动主动制造偏差、由人提供恢复示范，思路与 DART 调噪声分布、DAgger 等策略出错后再纠正都不同。若方法在更多任务上成立，可能降低真实机器人数据采集的边际成本，对具身智能和机器人基础模型的数据管线有参考价值。但该方法仍需操作员全程参与，且残差有界不等于安全保证。
对用户/开发者/创作者的影响
对机器人开发者，DI 提示可以在遥操作采集工具中加入“学习型扰动”模块，让同一批人力产出更多恢复样本，而不是只录成功轨迹。对做离线 RL 和模仿学习的团队，数据配方可能比单纯增加示范数量更关键。对普通用户，短期内没有直接产品变化；这套方法目前是研究框架，不是已上线的采集 API 或工具。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 t-cube、cable、keycap 之外的任务上是否仍成立，以及与 DART、DAgger 的直接对比；二是残差策略在线训练的成本，是否适合大规模数据工厂；三是扰动幅度与操作员负担之间的平衡，能否在真实产线中稳定使用。
来源：alphaXiv
