我们遇到的每一个现象，在模仿学习（imitation learning / behavior cloning）文献里 都有名字和标准处理办法。这一页把它们摆出来，让你有个坐标： 哪些是所有人都会遇到的通病、标准做法是什么、我们的情况又特殊在哪。
阅读提醒：下面的文献结论是从公开研究的普遍共识写的，用来提供方向感， 不是精确引文。真要引用请回原论文核对。带「我们」的部分才是本机实测。
说的是：模仿学习只在示范经过的状态上训练过。一旦机器人偏离示范轨迹一点点， 它就进入了训练时没见过的状态，动作更不准，偏离更多 —— 误差沿时间轴滚雪球。 这是 behavior cloning 最经典的失效模式（DAgger 那篇 2011 年的论文就是为了解决它）。
标准做法：① DAgger 类方法 —— 让策略先跑，人在它跑偏的地方补充标注， 把"跑偏后的状态"也纳入训练集；② 动作分块（action chunking） —— 一次输出一串动作 减少决策次数，ACT / SmolVLA 都用它；③ 加噪声训练，让策略见过"偏了一点"的状态。
我们的表现：「空中闭爪」就是它 —— 手臂还没到位，计划里的抓取阶段照常执行。
说的是：用 L2/L1 损失做回归时，模型对同一观测下的多种可能动作会输出它们的平均。 轨迹里"偶尔才做、幅度不大"的关键修正，在损失函数眼里贡献极小，会被抹平。
标准做法：① 换能表达多峰分布的输出头 —— Diffusion Policy、 ACT 的 CVAE、SmolVLA 的 flow matching 都是为此设计的； ② 示范一致性：同一场景下示范者做法越统一，均值越接近正确答案； ③ 关键阶段加权采样或加大数据密度。
我们的表现：「轴线向左偏」「腕部下沉到杯沿以下」两个技巧，示范里 50 集都有， 模型却退回到"对准杯心、停在杯沿上方"。
说的是：策略在训练数据稀疏的状态区域表现最差，且性能通常随该区域的 示范数量呈幂律式改善 —— 这是近年机器人数据规模化研究反复报告的规律。
标准做法：① 按状态/任务分层统计覆盖度，缺口处定向补录； ② 训练时对稀疏区上采样；③ 数据增强扩大有效覆盖。
我们的表现：这是本次最硬的证据 ——
最右杯位只有 4 集，抓取最浅（z=0.038）、最不一致（σ=0.0141）；
最左杯位 22 集，最深（0.028）、最稳（0.0063）。
集数 vs 抓取深度 r = −0.88。模型的弱点精确对应数据的弱点。
| 环节 | 论文/业界常见做法 | 我们的情况 |
|---|---|---|
| 示范数量 | 单任务单场景常见 50–200 集；开源大规模数据集动辄上万集跨多机器人 | 50 集 / 4 个杯位。总量在下限，分布严重不均（22/7/17/4） |
| 示范一致性 | 强调「单一操作者、固定策略、明确的成功判据」；混合示范会拉低上限 | 准星接触表显示 50 集构图高度一致 —— 这一项我们做得好 |
| 切分与验证 | 留出验证集、按条件分层，看 validation loss 与成功率而非训练 loss | v1 训练 eval_freq=None，全程无 validation（ACT 那轮） |
| 评估指标 | 以真机成功率为准（N 次试验、报告置信区间）；离线 loss 只作参考 | 项目从一开始就定 10 次 8 成功，方向正确 |
| 控制频率 | 推理频率应与采集频率匹配；不匹配需重采样动作序列 | 采集 30 Hz、推理 ~8 Hz。已修（按实测频率消费动作块） |
| 安全层 | 论文常常一笔带过；工业上是硬要求 | 逐关节限位 + 笛卡尔包络 + 误杀率实测 0.021%，比多数论文严格 |
| 硬件一致性对照 | 很少写，但真机工作里是必须的（"是模型变差还是机器变了？"） | 我们做了重放实验这个对照 —— 这一步很多人会跳过 |
z = 0.032 ± 0.010 m，
而安全包络下限是 0.020 —— 成败区间只有约 1 cm，且贴着边界。
论文里的抓取任务通常容差更大（大物体、平行夹爪、桌面居中）。
容差越小，回归均值的杀伤力越大。| # | 做什么 | 对应文献里的哪一招 | 代价 |
|---|---|---|---|
| 1 | 重放实验 | 硬件一致性对照（工程实践，非论文标配） | 5 min |
| 2 | 换 checkpoint 对比 | 模型选择 / early-stopping 的替代 | 20 min |
| 3 | 定向补录：右侧杯位 4 → 15 集 | data coverage 缺口补齐（对症） | 1–2 h |
| 4 | v2 重训：80/20 分层 + 轻量增强 | 分层验证 + 数据增强 | 3 h+ |
| 5 | 调超参 | 分布问题没解决前，只是换种方式过拟合 | — |
为什么补录排在重训前面：文献里数据覆盖与性能的关系是最稳的规律之一，
而超参调整在小数据集上的收益通常远小于补数据。我们又有
r = −0.88 这个直接指向缺口的相关系数 —— 该补哪儿是明确的，不用猜。
| 英文 | 中文 | 在我们这里指什么 |
|---|---|---|
| Behavior Cloning (BC) | 行为克隆 | 我们用的方法：从示范监督学动作 |
| Covariate shift | 分布漂移 | 手臂偏离示范轨迹后进入没见过的状态 |
| Compounding error | 误差复合 | 空中闭爪：偏差逐帧滚大 |
| Action chunking | 动作分块 | SmolVLA 一次出 50 步；我们修了它的播放速率 |
| Regression to the mean | 回归均值 | 左偏与下沉两个技巧被抹平 |
| Data coverage | 数据覆盖 | 4 个杯位 22/7/17/4 的不均衡 |
| Held-out evaluation | 留出集评估 | 我们做过位置留出：0.98×，说明没背坐标 |
| Rollout / trial | 实机试验 | 10 次里 8 次成功的验收 |
配套页： 实机试验第一天 · 0/14 的失败分析 ·
仓库文档 03-software/TUNING-PLAYBOOK.md（可执行手册）。
本页用于建立坐标系，文献结论为普遍共识的概述，精确引用请回原文核对。