北大董豪团队推出 HIL-UMI：以低成本手持采集实现具身机器人后训练纠错

事件概述

针对具身智能领域后训练（Post-training）成本高、难以规模化的痛点，北京大学副教授、启元机器人首席科学家董豪团队提出了 HIL-UMI（Human-In-the-Loop UMI）解决方案。该工作核心在于摆脱对真实机械臂的依赖，通过引入模型辅助的“人在环路”机制，实现高效、低成本的具身模型纠错数据收集。

核心信息

1. 行业痛点：后训练成本远超预训练

• 真机依赖困境：传统后训练方法（如 HG-DAgger）需使用真实机械臂，涉及硬件磨损、场地占用及人工复位等高昂成本，导致数据规模受限。
• 现有方案局限：
  • 仿真（Sim2Real）：存在物理差距，尤其在柔性物体和复杂光照下效果不佳。
  • 海量视频预训练：缺乏精确的物理力学信息和毫米级控制能力，仅适用于常识感知。
  • 传统 UMI（手持夹爪）：虽成本低，但只能采集正向示范数据，无法有效解决长尾错误场景的恢复问题。

2. HIL-UMI 技术原理：模型驱动的定向纠错

HIL-UMI 并非简单的数据记录工具，而是一个建立“错题本”闭环的系统。其工作流程如下：

• 无本体采集：操作员仅使用手持夹爪（UMI）进行日常动作示范（如抓握、折叠），无需连接机械臂。
• 后台实时预测：模型接收相同视觉输入和指令，在后台快速预测未来 20 步的动作轨迹。
• 分歧检测与触发：系统实时比对人类实际动作与模型预测动作。若两者一致，说明模型已掌握；若出现显著偏差（即模型进入分布外状态 OOD），系统提示操作员重点录制该段“纠错”数据。

3. 关键技术创新

• 动作分歧检测（Action Divergence Detection）：通过并行采样多组动作块计算能量分布（Energy Score）。当模型预测动作分散且偏离人类操作时，判定为盲区并启动补录。
• 优势估计器（Advantage Estimator）：评估动作对任务推进的有效性，确保采集的数据不仅包含纠正动作，更聚焦于实质性推进任务的关键步骤，避免无效晃动数据。
• 动态迭代闭环：随着模型迭代，其能力增强，分歧点逐渐推移至更深度的边缘场景，形成类似“滚雪球”的自我进化机制。

4. 性能表现与对比

• 效率提升：在“整理桌面”长程任务中，HIL-UMI 单位时间采集效率比真机遥操作提升 5.63 倍（单帧耗时从 412.99ms 降至 73.40ms）。
• 效果验证：在折毛巾、整理桌面、叠方块、盖章四项任务中，使用 HIL-UMI 定向纠错机制后，平均任务进度分（TPS）达到 94.8，而在叠方块和盖章任务上成功率达 100%。相比之下，常规 SFT 微调仅使 TPS 从 44.3 提升至 58.0。

值得关注

• 分布式采集前景：由于不再依赖昂贵的机械臂和高技能操作员，HIL-UMI 使得后训练数据具备“分布式”采集的可能。未来可通过云端大模型连接各地兼职人员，利用低成本设备采集高质量差分数据，大幅降低边际成本。
• 范式转变：该成果表明，具身智能的竞争焦点正从预训练阶段的“点亮模型”，转向后训练阶段的“可规模化纠错网络”。预训练构建世界观，而后训练决定最终的成功率上限。