660条Correction，真正进入训练的只有161条。看到Axis公布的这组数据后，我又回去做了几次Post Training，之前很多操作习惯也跟着变了。 ▣ 任务本身不复杂，Policy先控制机械臂执行，我只在它明显处理不了的时候接手。 以前看到夹爪偏掉，我会直接控制机械臂把后面的动作一起做完，现在更愿意只修复 出问题的那几步，位置恢复以后马上点Return to Policy，让机器人自己继续。 这种变化和 @axisrobotics 筛选 Correction的方式有关。 一条操作提交以后，会先被重新Replay，确认整段任务放回模拟环境后还能正常完成。那次实验一共收集660条Correction，其中496条通过了这一步。 后面还会检查人工接手是不是真的有必要。Policy从相同状态重新开始时，本身要确实无法完成任务，而且到了用户接管的位置，问题依然存在。经过这部分处理，剩下414条。 ◇ ───────── ◇ 我最在意的是后面的Recovery Test。 Axis只保留一小段人工修正，再把控制权还给Policy，看机器人能不能从修正后的状态继续把任务完成。经过这一轮，真正留下的只有161条，每段保留的修正平均约0.8秒。 ▹ 看到这里，再做Post Training时，我已经不会接管以后一路替机器人干完。 夹爪抓偏了，就把位置修回来，能交还控制权就尽快点Return to Policy。 做了几次以后很容易体会到，Axis想留下的并不是一整段漂亮的人工作业，而是那几步修正能不能把Policy从错误状态拉回来，让它自己接着把事情做完。 ◈ 下一篇，我想继续看看这161条Correction进入训练以后，Policy的表现到底发生了什么变化。