TIDE：人工接管数据如何进入在线世界动作模型？
成功回合筛选、动作来源标记与异步更新分别起什么作用
TIDE在真实操作过程中收集策略动作与人工接管，用来源条件训练世界动作模型并异步下发新检查点。与离线初始策略相比有提升，但与时长匹配的固定策略采集对照终局表现接近，不能把全部收益归因于在线闭环。
图解主要方法
成功回合筛选、动作来源标记与异步更新分别起什么作用
- 1
从离线世界动作模型启动
3B骨干联合生成未来视频与50步动作块，动作是14维相对关节量。初始模型先用离线示范预热；视频表征与动作专家形成共同预测任务，而非仅做行为克隆。
- 2
明确执行来源并筛选回合
机器人异步执行动作块，VR接管时清除排队动作，记录真正执行的动作与来源。只有人确认成功的回合才入库；纯人工块记0、纯策略块记1，混合来源块排除。这既避免混淆也造成成功样本选择偏差。
- 3
带来源条件更新并安全换版
来源嵌入加入视频与动作的流匹配时间表示；在线:离线采样5:1，在线人工/策略均衡。每新增一帧约0.2次优化，累计五个成功回合保存检查点，在执行边界采用新版本；推理用人工来源条件0，并不表示推理时存在人工示范。
实验与证据
已阅读正文与方法、实验相关附录，核对实验条件与原图；未独立复现。
来源证据双臂UR5e完成插钻头、叠毛巾、挂毛巾、装链条；每方法每任务20次无接管自主评估，分别报告分阶段进度和完整成功。 四个真实任务 ↗
我的解读里程碑分数与二元完成率必须分开；人类参与采集不等于评估需要接管。
来源证据时长匹配的数据采集再以同目标和预算训练，终局与在线方案接近：插钻头完整成功持平，两项毛巾任务各多一次、链条多两次。 固定策略采集对照 ↗
我的解读小样本差距不能证明持续在线更新优于先集中采集再训练。收益还可能来自新增成功数据。
来源证据单个插钻头消融中进度80%，无来源条件65%，仅人工67.5%；一次采集41回合、38839帧、21.6分钟，人工1432帧占3.69%。 来源条件消融与采集成本 ↗
我的解读来源消融有启发性，但不是所有任务普遍结论；“不到一小时”不含初始设置及最终评测。
开放情况与使用许可
已核对作者链接的GitHub根目录：当前仅README、docs与.gitignore；未确认训练/推理实现、权重或代码许可证。项目展示和论文已公开，不能称算法实现已开源。
LICENSE论文与原图：CC BY 4.0；不代表代码或权重许可
我的判断
独立分析 · 未复现实验正方 · 为什么值得投入
将真实执行动作、接管来源和检查点切换显式记录，能降低在线训练的数据错配。
反方 · 哪些结论还不够
只有一个平台四任务，未见多次完整训练重复；仅纳入成功回合会漏掉恢复与失败分布。人类时间和基础训练不能从总成本中消失。
综合判断
适合研究人工辅助在线适配；其优势应表述为完整流程可行，在线刷新本身仍需更强对照。
我会先做的验证
未执行的验证方案：重复多轮时长匹配在线/固定采集实验，把失败回合纳入独立分组，分别统计自主成功、接管次数、人工分钟及总算力。