（来源：智通财经）
具身智能的数据瓶颈，有望从“机器人试错”转向“人类示范即标注”。
传统机器人技能习得依赖“试错-纠正”的闭环：让机械臂先执行任务，在抓握、放置等薄弱环节由人工接管干预。这种方式虽具针对性，但每轮数据迭代均需实体机器人实际运行，这导致成本高、周期长，构成显著的工程化瓶颈。
北京大学董豪团队(董豪任上纬启元首席科学家)联合上纬新材(688585.SH)旗下启元机器人、西安交通大学等提出的 HIL-UMI 框架，将“短板发现”环节前置到了人类示教过程中。其核心逻辑在于：当人类手持夹爪进行操作时，模型同步预测自身动作，系统通过比对“人类真值”与“模型预测”的差异，精准定位模型的能力盲区，并据此定向采集数据、迭代训练。
这一范式无需机器人实际执行即可完成数据闭环，大幅降低了数据获取的物理门槛与时间成本。
数据偏差与误差累积：为何重复示范难以覆盖长尾场景?
假设要把桌上的玩具收进抽屉。人演示时，通常能稳稳夹住，再顺利放进去。机器人自己做时，却可能抓偏了一点，把玩具推到了旁边。位置变了，朝向也变了，接下来该怎么夹，已经和示范里的情况不同。
这时候，它缺少的是处理这个新局面的经验。如果继续按原来的动作做，小误差就可能越积越大。再给它看几次顺利完成的操作，未必正好能补上这一课。
如今，一类被称为视觉语言动作模型(VLA)的模型，可以根据摄像头画面和语言指令，生成机器人要执行的动作。用新的操作数据继续改进已有模型，就是后训练。常见做法是监督微调(SFT)：人演示怎样完成任务，模型学习其中的动作。
示范帮助机器人学会了基本操作，但人顺利完成任务时经历的情况，和机器人自己动手时遇到的情况，往往不完全一样。后训练需要补充的，正是当前模型还不擅长的那些操作。
比如，模型已经学会打开抽屉，却总把不同颜色的笔放错槽位，下一轮就应该重点教它怎样分辨和放置。如果它夹不稳形状特殊的玩具，就需要多看这类物体该怎么抓。要教什么，应当随着模型已经学会什么而调整。
针对性后训练的成本困境
HG-DAgger 就是这样一种有针对性的后训练方法。它让机器人执行任务，人在需要时接管，演示正确操作，再把这些纠正数据用于训练。机器人哪里做得不好，下一轮就补充哪里的经验。
成本也来自这个过程。采集者要守着机械臂，等待它执行、及时接管，还要复位场景。想让多个人同时采集，通常就得准备多台机器人和相应的场地。
另一种工具提供了更轻便的采集方式。通用操作接口(UMI)是一套手持夹爪设备，人直接拿着它操作，就能记录机器人可用的画面和动作。这样采集不需要机械臂，但仅有记录工具，还不能告诉人：眼前这段示范，是不是模型现在最需要学的?
HIL-UMI 将模型接入了这个采集过程。人正在演示，模型就同步预测动作、提供反馈，帮助决定接下来该重点采什么。HG-DAgger 中根据模型表现补充经验的思路，因此也能用在无需机器人执行的采集上。
HIL-UMI：将模型推理嵌入人类示教闭环
HIL-UMI的核心创新，在于将 VLA 模型的实时预测能力接入了 UMI 的采集流程，实现了“人在回路”(Human-in-the-Loop)的数据需求感知。
在具体执行中， HIL-UMI 的采集现场，人手持夹爪移动物体。摄像头记录画面，系统同时记录夹爪的位置、角度和开合。模型在计算机上运行，接收同样的画面和任务指令，预测接下来一段时间该怎样操作。
实际移动物体的始终是人，模型给出的动作不在机械臂上执行。系统把两者放在一起比较，就能发现人类示范与模型预测在哪些地方出现了分歧。
图 1 手持夹爪与采集设备。人直接操作，模型同步预测;系统比较两者的差异，提示在哪里补充示范。
例如，要夹起一个不规则的玩具，人会先调整夹爪角度，再找到稳妥的夹持位置。模型预测的接近方向或闭合时机，却可能与人明显不同。这种差异能帮助系统找到模型还需要学习的操作。
系统会生成多组动作预测，等对应的人类动作片段完成后，综合比较移动位置、夹爪角度和开合的差异。当差异超过设定门槛，系统就提示操作者从当前状态继续录制，直到当前这一步操作完成。这样补充的可以是一段抓取或放置示范，不必每次都从头录完整个任务。
模型开始参与决定自己需要什么数据。它更新之后，与人类操作的分歧也会改变，下一轮采集的重点随之调整。发现问题、补充示范、继续训练，就可以在人与模型之间反复进行，无需每一轮都让机械臂先尝试。
进阶模块：优势估计器与条件行为克隆
仅有针对性数据采集仍不够。后训练还需解决一个更深层的问题：哪些动作真正推动了任务进展?以叠方块为例，夹着方块来回移动，和把它对准下方的方块，都有动作发生，对完成任务的帮助却不同。
HIL-UMI 用一个称为“优势估计器”的模型来判断这件事。它查看操作前后的画面，估计这段动作让任务推进了多少。如果人已经有效推进任务，它却给出很低的评价，系统也会补充这类示范，改进它的判断。
动作模型随后结合这些评价和专家示范继续训练，学习更有利于完成任务的做法。执行时，系统也会加入相应提示，引导模型生成能推进任务的动作。这种训练方式称为优势条件行为克隆。
每轮训练会同时使用新示范和历史数据，兼顾新学到的操作与已有技能。更新后的模型再参与下一轮采集，继续提供反馈，数据飞轮的转速由此持续加快。
实验验证：同等数据预算下的性能跃升
这些在手持设备上采集的经验，最终能让真实机器人做得更好吗?团队以 π0.5 为基础模型，在 Franka 机械臂上测试了四项任务。
整理桌面需要打开抽屉、把笔放进对应颜色的槽位，再收好形状各异的玩具，考验连续完成多个步骤的能力。折毛巾则要应对布料不断变化的形状。叠方块和盖章更强调精度：前者要对齐并放稳，后者要调整好印章姿态，准确落在指定区域内。
图 2 四项真实机器人任务。上两行依次为折毛巾和整理桌面，下方为叠方块与盖章，分别考验连续操作和精细控制。
实验按机器人完成了多少步骤来评分，称为任务进度分数(TPS)，满分 100 分。比如整理桌面，收好了哪些物品、完成了哪些抽屉操作，都会计入得分。
在采集相同帧数数据的条件下，团队比较了持续增加常规示范的 SFT，以及根据模型反馈补充示范的 HIL-UMI。下图记录了三轮采集和训练后的变化。
图 3 横轴从初始模型 Base 到三轮更新 Iter1—Iter3，纵轴为任务进度分数。紫色为 SFT，橙色为去掉优势机制的 HIL-UMI，绿色为完整 HIL-UMI;最右侧为四项任务的平均分。
先看紫色和橙色曲线。二者从相同的平均分 44.3 出发，三轮后，SFT 达到 58.0 分;保留针对性采集、去掉优势机制的 HIL-UMI 达到 88.0 分。这组对比说明，新增数据是否对准模型的薄弱环节，会显著影响后训练的效果。
绿色曲线对应完整方法，从一开始就使用优势条件训练，平均分从 62.3 提升到 94.8。第三轮后，叠方块和盖章均达到 100 分，整理桌面达到 96 分。随着新示范不断补充，四项任务的表现都在逐轮提高。
效率革命：脱离机械臂的后训练经济学
省去机械臂反复执行和人工接管，首先改变的是采集速度。团队在整理桌面任务上，将 HIL-UMI 与 HG-DAgger 进行了比较。
HIL-UMI 的数据采集效率达到 HG-DAgger 的 5.63 倍，也就是单位时间内获得的训练数据帧数更多。最终，HIL-UMI 的任务进度分数为 96 分，HG-DAgger 为 91 分，采集更快的同时也取得了更好的任务表现。
图 4 左图为四项任务平均分随累计采集时间的变化;右图为整理桌面任务中各方法随训练阶段的表现。
HIL-UMI 带来的范式转变，体现在后训练的组织方式上：模型在采集时就参与决定该教什么，而这份反馈可以通过预测获得，不必以机器人实际运行为前提。采集者使用手持设备便能补充模型需要的操作经验，减少了对机械臂设备和运行时间的依赖，也让开展后训练更方便。
董豪团队接下来计划探索分布式后训练，让不同地点的操作者并行采集当前模型需要的示范。每个采集点都不必配一台机械臂，采到的经验可以汇入同一个模型，支持它持续改进。
从“一台机械臂、一个人、一个场景”的串行模式，走向“多地点、多操作者、无机械臂”的并行模式，HIL-UMI 为具身智能的数据规模化生产提供了一条工程上可行、经济上可持续的路径。
而HIL-UMI 构建的数据飞轮，正支撑启元机器人规模化落地。作为上纬新材旗下消费级具身智能品牌，启元直面非标化的真实家庭环境，已推出全球首款小尺寸全身力控人形机器人 Q1 及可变形个人机器人 T1，以每 2.5 分钟下线一台的节拍推进量产。场景上，启元以互动陪伴、教育启蒙切入，搭载网易有道 Hi Echo 口语系统，并逐步承接递送、清洁、收纳等家庭任务。在年产十万台人形机器人的产业拐点前夜，启元正推动具身智能从实验室走向亿万家庭。
