北大與啟元機器人推出 HIL-UMI：不用真機也能補強具身模型的「纠错」數據，四項任務平均分從 58.0 提升至 94.8

北京大學與啟元機器人團隊推出 HIL-UMI（Human-In-the-Loop UMI），主張在無機械臂本體的前提下完成具身模型後訓練中最關鍵的「纠错」數據採集。據報導，其做法是操作員手持 UMI 夹爪正常作業，同步拍攝畫面；模型接收相同畫面與指令，在後台預測接下來 20 步動作，但不實際控制任何機械臂。系統比對人類動作與模型預測，一旦偏差明顯，即提示操作者在該段多錄一段示範。方法上，模型以並行採樣多組動作塊計算能量分布（Energy Score），分布發散且偏離人類動作時判定為分布外狀態（OOD）並觸發補錄；另引入依前後畫面評估任務推進程度的優勢估計器，採優勢條件訓練，讓模型優先學習能實質推進任務的動作。每輪補錄後模型迭代更新，觸發點會移往更困難的邊緣場景。 在真機四項任務（折毛巾、整理桌面、疊方塊、蓋章）測試中，於相同數據幀數預算下，單純增加一般示範的 SFT 微調，平均任務進度分（TPS）從 44.3 升至 58.0；加入 HIL-UMI 定向纠错機制後，平均分達 94.8，疊方塊與蓋章任務成功率為 100%。在「整理桌面」長程任務中，真機 HG-DAgger 採集一幀有效數據耗時 412.99 毫秒，HIL-UMI 為 73.40 毫秒，效率提升約 5.63 倍。報導指出，這段效率差距主要來自機械臂移動緩慢、操作員等待及人工復原現場的時間損耗。 啟元機器人首席科學家董豪認為，預訓練與後訓練是階段性更替而非比例關係，並類比 AlphaGo 的自我對弈強化學習階段。報導同時推測，此類方法未來可能支援分散式採集，但該構想屬作者推論，尚未有實際部署佐證。需注意：此則消息目前僅見單一來源（AI 科技評論轉載雷峰網），四項任務的分數與效率數字為論文與報導中的實驗結果，尚未經獨立第三方核實。