Reverse to Advance：用易任务时间反转数据降低遥操作成本学习高难度操作策略

该论文提出一种遥操作成本有效的框架，利用易任务的时间反转轨迹作为高难度操作任务的监督信号，减少人工示教采集。框架包含闭环数据采集流程、基于运动学先验与 critic 引导优势过滤的分层数据精炼，以及迭代策略学习三部分。在两个仿真基准和实机实验中，该方法相比基于反转和强化学习的基线提升了高难度任务成功率，数据效率更高且训练更稳定。