北大董豪团队推出HIL-UMI后训练新范式，实现无真机纠错采集

具身智能领域的后训练环节长期面临一个核心瓶颈：如何在不依赖真实机器人本体的前提下，高效获取高质量的“纠错”数据？近日，北京大学董豪团队与启元机器人合作，正式推出HIL-UMI（Human-in-the-Loop UMI）后训练新范式，为这一行业难题提供了可行路径。

传统具身机器人训练中，后训练阶段普遍采用DAgger类方法，即由人类专家在机器人执行任务时实时接管并修正错误动作。典型如HG-DAgger（Human-Gated DAgger），操作员需全程紧盯机械臂运行，在其即将失误时紧急干预，记录正确轨迹。该流程虽有效，但成本极高：单次训练需人工复位环境、应对机器人笨拙动作，数据产出率低，难以规模化。

更关键的是，当前“无本体”数据采集已在预训练阶段广泛应用——例如通过手持UMI（Universal Manipulation Interface）夹爪采集人类操作视频，大幅降低硬件与场地开销。但这类数据无法覆盖后训练最关键的“纠错”环节：模型在部署中可能因感知偏差或策略缺陷而失败，而这些失败场景必须在训练中被显式捕捉并修正，否则模型将重复犯错。

HIL-UMI的核心创新在于，将模型预测能力嵌入到UMI采集流程中，形成“人在环路+模型预判”的闭环机制。具体而言：

整个过程无需机械臂参与，也无需机器人真正犯错。人类在自然操作中，就完成了对模型薄弱环节的定点教学。

图1展示了HIL-UMI与传统真机HG-DAgger的对比：左侧为真实机器人+VR头显的低效方案，中间为HIL-UMI手持采集模式，右侧图表显示其数据采集效率达HG-DAgger的5.6倍以上，任务进步速度提升近100 TPS（Tasks Per Second）。

该方法的本质并非单纯的数据采集工具升级，而是重构了后训练的数据生成逻辑。过去，纠错数据依赖“机器人犯错→人类纠正→环境复位”的被动循环；HIL-UMI则转向“模型预判→发现盲区→人类主动补教”的主动引导模式。这使后训练数据从“事后补救”变为“事前预防”，极大压缩了无效训练周期。

据团队公开信息，HIL-UMI已在多个桌面级操作任务中验证有效性，包括物体抓取、容器开合、布料折叠等。实验表明，在同等人力投入下，HIL-UMI采集的纠错数据可使模型在后续部署中的失败率下降42%，且泛化至新物体时的适应速度显著提升。

值得注意的是，HIL-UMI的提出恰逢具身智能政策与产业加速期。2026年10月19日，商务部等九部门联合印发《关于加快推进科技兴商的意见》，明确推动具身智能技术在商贸场景落地；市场监管总局同日批准首批六项人形机器人国家标准，将于2027年4月实施。资本市场亦迅速反应，当日A股机器人板块集体走强，上纬新材涨幅达9.27%。

在技术路线层面，HIL-UMI与近期其他前沿探索形成互补。例如哈佛、伯克利等机构提出的RAX框架（Robot Agent eXploration），聚焦让智能体自主编写程序以实现技能沉淀，其优势在于长期知识积累与跨任务迁移；而HIL-UMI则专注于解决短期部署前的关键瓶颈——如何低成本、高精度地补足模型在现实世界中的“认知盲区”。两者分别从“自主进化”与“精准教学”角度推进具身智能落地。

图2为人形机器人在实验室执行桶装物品抓取任务的实拍场景，此类复杂动态任务正是HIL-UMI重点优化的对象——传统方法需数十次真机试错才能稳定，而HIL-UMI可在数轮人类示范中锁定关键失败点。

从行业影响看，HIL-UMI若能推广，将显著降低具身模型迭代门槛。目前头部企业如Figure、Tesla Optimus等均面临后训练数据稀缺问题，单台人形机器人日均训练成本超万元；HIL-UMI有望将单位纠错数据成本降至原1/5以下，为中小团队参与具身智能研发提供新可能。

此外，该范式还隐含一层方法论价值：它重新定义了“人在环路”的角色——不再仅是监督者或接管者，而是与模型协同的认知协作者。这种人机协同的精细化分工，或将成为下一代具身训练系统的标准架构。

论文已发布于arXiv（编号2609.20659），项目主页同步上线（hil-umi.github.io），代码与数据集计划开源。团队表示，下一步将拓展HIL-UMI至多机器人协同、动态环境扰动等更复杂场景，并探索与仿真-现实迁移（Sim2Real）技术的融合路径。

具身智能的落地竞赛，正从“谁有更多机器人”转向“谁有更聪明的训练方法”。HIL-UMI的出现，标志着后训练环节开始摆脱物理世界的刚性约束，向数据驱动的智能化演进迈出关键一步。