机器人后训练不再围着真机转，效率提升五倍多

教机器人叠毛巾，传统做法是操作员坐在机械臂旁边高度紧张地盯着，等它快抓空时紧急接管，再花时间把被碰乱的现场复位。一下午下来，能用的数据没多少。

一、发生了什么

据雷峰网报道，北京大学董豪团队与启元机器人推出 HIL-UMI，目标是让具身模型的后训练摆脱「真机依赖」。具体做法是：操作员手持 UMI 夹爪正常干活，摄像头同步拍下画面；后台的模型接收同样的画面和指令，预测「如果换我来做，接下来 20 步怎么动」；系统实时比对人类动作与模型预测，一旦发现明显分歧，立刻提示操作者从这一段开始多示范。它靠两个机制支撑：一是动作分歧检测，并行采样多组动作块计算分布，判断模型是否进入「分布外」状态；二是优势估计器，区分哪些动作真正推进了任务、哪些只是无意义晃动。每轮补完数据，模型迭代一次，分歧点就自动推移到更难的边缘场景。真机上四项任务（折毛巾、整理桌面、叠方块、盖章）的对比是：同样数据预算下，常规微调的平均任务进度分从 44.3 只爬到 58.0，而 HIL-UMI 做到 94.8，叠方块和盖章两项达到满分。采集效率上，整理桌面任务里真机方法每帧有效数据要 412.99 毫秒，HIL-UMI 只要 73.40 毫秒，提升 5.63 倍。论文和项目主页都已公开。

二、跟你有什么关系

机器人公司：真机遥操作对工人手法要求极高，手持夹爪几乎人人会用，后训练数据采集第一次有了「分布式」的可能，边际成本可能大幅下降。开发者：如果你在做具身模型，这套「让模型自己吐错题本」的闭环思路可以直接对照自家流程。普通用户：家务机器人、进厂打工这类落地比拼的是成功率，纠错数据采集变便宜，意味着产品成熟速度可能加快。

三、怎么判断

1. 看一家具身公司的后训练方案，先问单位有效数据的采集成本，而不是总数据量。
2. 问纠错数据是怎么来的：是等机器人真犯错再修，还是能在部署前定点找到盲区。
3. 看采集能不能离开实验室：还需要机械臂在场的方案，规模化上限摆在那里。

四、三个别信的说法

真机数据堆得越多，模型就越强。 雷峰网报道里的对比很直观：同样的数据预算，盲目增加普通示范的收益远不如定向纠错，数据质量结构比数量重要。

仿真数据可以完全替代真机。 柔性物体、摩擦力、复杂光照下的仿真差距至今没有填平，仿真适合打底，最后一公里的纠错还是要在真实世界里做。

无本体采集就等于无本体后训练。 传统手持采集只能录「正确动作」，解决不了模型犯错后的恢复问题，这正是 HIL-UMI 把模型接进采集环节的原因。

五、一句话结论

机器人后训练的下半场，比的不是谁录得多，而是谁会挑错题。

信息来源

• 启元机器人新进展：北大董豪团队推出 HIL-UMI，让后训练摆脱「真机依赖」（雷峰网，2026-10）

功能与价格以官方公告为准。本文写于 2026 年 10 月 20 日。