什么才算一段好的示范？

两个人录制同一段示范：拿起一个马克杯，放到杯垫上。其中一段录像让策略变得更好，另一段却悄悄让它变差。任务相同、机器人相同、帧数也相同。差别在于质量，而示范的质量并不是单一属性，而是好几项，每一项都可能单独出问题。

机器人学习花了好几年追逐规模：更多小时、更多轨迹、更多遥操作。规模确实重要，但一大堆平庸的示范，训练出的策略可能比一小批干净示范还要差。行为克隆会忠实地模仿它所看到的一切，包括错误。于是整个领域底层的问题朴素得令人意外：什么才算一段好的示范？

策略会模仿，因而继承你的习惯

行为克隆把观测映射到动作。它并不知道你的哪些动作是熟练的、哪些是马虎的。如果你遥操作时的抓取犹豫了一下，模型就学会犹豫。如果你过冲之后再纠正，它会把过冲和纠正当成同一个连贯动作一起学下来，并且原样复现。这正是模仿学习的核心：示范既是老师，也是天花板。Physical Intelligence blog 与开源的 Hugging Face LeRobot 反复印证同一条经验：策略质量与示范质量的关联，远比与数据集规模的关联更紧密。

这里还有一个更隐蔽的陷阱：一段示范可以成功，却依然教错了东西。如果你在三次落空之后靠运气抓住了杯子，策略就会把那三次落空也当成配方的一部分学下来。成功是必要的，但远远不够。

单段示范的质量维度

把“质量”拆成可以逐项检查的维度，会更有用。下面这些维度里，任何一项塌了，都足以让一段示范从资产变成负担。

这些维度并不是相互独立的旋钮。有覆盖度而无一致性，得到的是噪声；有一致性而无覆盖度，得到的是一个只背下某个姿态的策略。真正的功夫，在于一段接一段、一个操作者接一个操作者地同时守住其中好几项。

“模态完整”值得单独提个醒。一段缺了力通道的示范，并不只是“信息少一点”的示范；对富接触任务而言，它是会误导人的，因为策略会学着到达正确的位姿，却对自己按了多大力浑然不觉。有深度而无力、有力却不对齐、有画面却无时间戳：每一处缺口，都会让这段示范在某一类任务上从“不完整”变成“实打实的错”。一个采到了却从未同步的模态，往往比根本没采的还糟，因为它看上去很可信。

为什么质量会累积放大

坏示范的伤害不是线性叠加的。一个在干净示范上训练、偶尔犯错的策略，会慢慢漂移出它见过的状态；而混入的坏示范，会以不可预测的方式把动作分布撑宽。稀有技能最容易受害：某个技能可能只有几十段示范，只要其中几段带着延迟或错误标注，它们就足以主导这个技能被学成的样子。近重复示范则会虚增数据量，让语料看起来大了十倍，实际却几乎没教任何新东西。这正是像 DROID 与 Open X-Embodiment 这样的语料如此看重统一采集协议的原因。协议不是官僚主义，而是防止某个操作者的坏习惯悄悄改写整个共享数据集的那道闸。

事后过滤的作用，往往没人们指望的那么大。你可以扔掉明显的失败，但真正隐蔽的伤害，来自那些“用糟糕策略却蒙对了”的示范，它们在自动过滤器眼里毫无破绽。一次抖动、犹豫却仍然放好了杯子的抓取，能通过每一项成功检查，却照样教会策略去犹豫。要抓住它，要么靠人眼，要么靠一个“已经知道这个技能好的样子长什么样”的一致性模型，而后者本身又得用好的示范训练出来。这个问题是递归的，它奖励“第一次就把采集做对”。

在采集现场就判断一段示范的好坏

拦下一段坏示范，成本最低的地方是它被录下的那一刻，而不是几个月后的清洗环节。一份简短的现场清单就能完成大部分工作：这次是第一次尝试就成功了吗？操作者的动作流与观测流是否严格对齐，所见与所令之间有没有延迟？这次的策略与本批其余示范是否一致？它带来了新的覆盖，还是只是上一条的近似副本？所有模态是否都完整并同步？任何一项答“否”，这段示范就要在进入训练之前先修好或直接丢弃。事后再清洗当然可行，但它慢、有损，而且在赶工期时很容易被跳过。

跨操作者的一致性，是团队最容易低估的一个维度。让十个人去“倒一杯水”，会得到十种握瓶角度、不同的接近方向、不同的停止水位。一部分变化是健康的覆盖；但变化太多，策略看到的就是一个没有稳定结构的任务，学出来的是一团谁也不满意的“平均糊”。解法不是用一本扼杀变化的规则手册，而是给出一个关于“这个技能的内核到底是什么”的共同参照，让变化围绕一个中心落地，而不是四处飞散。

数据规模决定你的策略能走多远，数据质量决定它是否值得出发。行为克隆无法超越它被喂给的示范。

先看质量，再谈规模

通往可靠机器人的路，不会靠把更多平庸示范堆进训练集走完。会走完这条路的，是那些能分辨好坏、能在采集现场就把坏示范挡在门外的团队。规模依然重要，但它是乘数，而不是替代品。先把单段示范做对，再去乘以数量，你得到的是复利；顺序反过来，你放大的只是噪声。