人在环作为一流的学习信号

许多机器人学习系统仍然将人视为临时脚手架：对于在开始时收集演示很有用，但一旦策略处于训练阶段，则大多被忽略。 实际上，这是错误的抽象。 人类行为不仅仅是一个引导工具。 它通常是可用于理解任务意图、故障边界和恢复策略的最丰富的信号之一。

信号所在的地方

其价值不仅限于成功的演示。 它出现在暂停、中间轨迹修正、抓地力调整、重试行为以及操作员注意到任务即将失败并在机器人采取错误动作之前改变策略的时刻。

为什么这对数据设计很重要

如果团队只保存最终的成功轨迹，他们就会丢弃大量解释如何取得成功的结构。 这些缺失的时刻往往正是帮助政策变得更加稳健的因素：如何从漂移中恢复，如何在接触前减速，如何在部分失误后重新接近，以及当状态估计略有错误时如何应对。

捕捉什么

• 干预措施 — 当人类推翻或推动任务回到正轨时。
• 更正 — 姿势、力量或顺序的微小变化反映了专家的判断。
• 重试 — 失败或部分尝试揭示了任务的真正难度。
• 任务元数据 — 操作员身份、难度标签和解释选择变化原因的上下文。

实用要点

构建真正的机器人系统的团队应该停止将人类输入视为“真实”自主轨迹周围的噪音。 这往往是他们真正想要的政策行为的最清晰表达。 好的数据集会保留该信号，而不是将其分解为简化的仅成功重播。