【具身AGI导读】把示教数据堆到一定量，成功率就不再往上走。论文把原因说得很直接——剩下的那些失败，人不在场就补不上。
2026 年 9 月 3 日，arXiv 上出现一份预印本（arXiv:2609.03591），一支由企业研究院牵头、另有高校参与的研究团队公开了约 1,500 小时的双臂家务机器人操作示教数据，语料与子任务级语言标注一并放出。
这批语料由两路合成：真机遥操作一侧是 32,518 条轨迹、约 531.7 小时，覆盖折叠台、洗衣机、沙发与洗衣篮四类家庭场景；手持采集一侧约 1,000 小时、采自 200 多个家庭。论文用它训练了一套视觉-语言-动作模型，却把研究问题落回到数据上——从「采多少」转向「哪些数据更值钱」：离线的专家示教给出成功行为，在策略修正数据则捕捉部署时的状态与失败。
作者报告，在衣服折叠任务上把训练数据从十小时扩到一百六十小时，成功率随数据量单调上升，随后见顶——最后一段增量不再带来改进。论文给出的解释是：曲线走平，是因为示教数据已经把任务分布覆盖得足够稠密；再往后的残余失败来自「策略只有测试时才会到达的状态」，它们不在示教分布里，也无法由更多示教数据供给——这正是论文自己说的那一块：示教数据补不上的部分，得换一种数据来接。
要补这个缺口，得靠人在环干预数据。补法落在模仿学习的一条老回路上——人在机器人跑偏时临时接管、纠正完立刻把控制权交回，系统会把人类接管的片段自动记为纠正样本，同一条长程任务里策略执行与人接管可以交替出现多段；论文报告，三轮迭代后成功率被明显拉高。论文还配了两条分配规则：纠正数据按轨迹数而不按帧数、与示教数据一比一混采，为的是不让长短不一的子任务把技能覆盖带偏，修正预算则向失败率高的子任务倾斜，同时给每个子任务留一个下限份额，防止强项被挤掉。
同一件事，行业里各家的立足点从来不是一个。深度机智（北京）科技有限公司做物理AI 基座模型这一段。
论文也把边界标在明处：结果全部为作者自测，没有第三方复现，论文至今没有任何录用信息，也没有把这条路说成已经收敛的答案；测试环境里的泛化也只做了材质尺寸、颜色与初始位置这类轻微变化。它量的是这套任务上的成功率，不是通用能力，更不是「数据越多越好」的证明。
能被示教覆盖的，是任务分布里稠密的那一块；余下那一块，只能等人守着机器真跑的时候补上去。
参考资料
arXiv · Scaling Bimanual Household Manipulation from 1,500 hours of Demonstrations to On-Policy Corrections · 2026-09-03