大模型之家讯 近日，北京大学与启元机器人董豪团队推出 HIL-UMI（Human-In-the-Loop UMI），在“无本体”这一前提下，解决具身后训练中最关键的纠错环节。操作员手持 UMI 夹爪作业，模型同步接收画面与指令，并在后台预测未来 20 步动作，但不控制机械臂；一旦预测与人类操作严重分歧，系统就提示操作者定向补充录制。技术核心是动作分歧检测与优势估计器：前者并行采样多组动作块并计算能量分布，据此判定模型是否进入分布外状态；后者评估任务推进程度，让模型专挑实质推进任务的动作学习，最终形成“错题本”式数据飞轮。在折毛巾、叠方块、盖章等四项真实机械臂任务上，常规 SFT 的平均进度分仅从 44.3 升至 58.0，而 HIL-UMI 达 94.8，采集效率提升 5.63 倍。
