约翰霍普金斯大学（JHU）研究四类失败数据对机器人奖励模型的影响

约翰霍普金斯大学团队比较物理示教、策略 rollout、人类视频和 real2sim 四类失败数据对机器人奖励模型的影响。三个任务显示，四种数据源均能提升平均成功率，其中人类视频和 real2sim 成本更低，在低数据量时收益明显。增加失败数据的收益先升后降，更多数据反而可能损害离线奖励质量。