Chelsea Finn 转发 Mulligan 论文：机器人越可靠，DAgger 采集越低效

Chelsea Finn 指出随着机器人变得更可靠，DAgger 式的数据采集效率会大幅下降，例如 90% 成功率意味着人超过 90% 的时间只能被动旁观。她引用的 Mulligan 论文提出关键思路是失败往往来自相似的初始状态，因此可把学习集中在这些状态上；在部署中由机器人执行任务、人在需要时介入，每轮采集都聚焦机器人失败的初始状态，在 3 个真实任务、2550 次盲测中同预算下优于均匀采集。论文见 https://arxiv.org/abs/2610.05882 。