Chelsea Finn 等提出 Mulligan：按失败初始状态聚焦机器人数据采集

Chelsea Finn 转发 Lars Ankile 关于机器人学习数据采集方法 Mulligan 的工作，指出机器人越可靠，DAgger 效率越低，例如 90% 成功率意味着人超过 90% 的时间在被动看机器人执行。其核心思路是失败往往来自相似的初始状态，可把学习集中在这些状态上；在 3 个真实任务和 2,550 次盲评中，同等预算下该方法优于均匀采集。论文链接为 arxiv.org/abs/2610.05882。