机器人学不到东西？可能不是模型的问题，是数据收集方式错了

我在刷论文时碰到一个叫Mulligan的工作，挺有意思。它提出用"性能引导"的方式去指导机器人数据采集——不是无脑多采数据，而是根据当前模型在哪些场景表现差就针对性地去采那些数据。这思路其实很像我们做模型迭代时的直觉：哪里不行补哪里。但难点在于机器人不像软件，每次采集数据都要真机跑，成本高、周期长。Mulligan想解决的核心问题就是：怎么用最少量的真机数据把模型调好。我觉得这类"数据效率"的研究比堆算力更有价值，毕竟机器人的学习瓶颈从来不是算力不够，而是高质量数据太贵。

原文：Mulligan: Performance-Guided Data Collection for Efficient On-Robot Learning · 来源：Hacker News