v0 · 完整正文
研究综述
研究边界
版本说明：本轮以 15 篇可获取完整正文的论文为论证主干，逐篇核对问题、方法、结果与限制；未能取得可读全文的论文不再承担正文结论。
本备忘录覆盖 2025 年 7 月 14 日至 2026 年 7 月 14 日公开论文，主题限定在具身智能数据质量，重点落在机器人示教、VLA 微调、跨本体数据、遥操作采集、人类视频迁移和模仿学习数据筛选。本次范围综述从 851 条去重候选中核验 90 篇可用全文，并以 36 篇直接相关论文形成判断。它仍是公开论文的阶段性样本，不是仅限同行评审论文的完整普查。
中心判断
近一年论文的共同转向是：具身智能的数据质量不再等同于“清洗坏轨迹”或“采更多轨迹”，而是在目标任务、采集接口、数据分布、轨迹片段和训练过程之间建立闭环。换言之，高质量数据是 target-conditioned utility，而不是全局静态属性。QoQ 直接把质量定义为训练样本对验证示范和策略性能的贡献 Quality over Quantity: Demonstration Curation via Influence Functions for Data-Centric Robot Learning，IWR 把外部数据质量绑定到目标任务分布相关性 Data Retrieval with Importance Weights for Few-Shot Imitation Learning，ATHENA 则显示多任务 VLA 中还必须防止任务覆盖坍缩 ATHENA: Accelerated Multi-Task Heterogeneous Influence Functions for Robot Data Curation。
证据覆盖与限制
证据覆盖三类高信号问题：质量定义和度量（influence functions、PSD、trajectory entropy、importance weighting）；采集端质量塑形（遥操作反馈、UMI gripper 设计、VR 输入模态）；异构或弱质量数据如何进入训练（human video 仿真过滤、suboptimal data 选择性利用、OXE 跨本体扩增）。候选量、全文量、关键维度和连续低新增轮次均已满足停止条件。
核心机制
1. 质量首先是对目标策略有用。 QoQ 反对只用专家相似度、互信息或人工启发式做代理指标，主张用样本对验证示范 loss 降低和策略性能提升的影响来评估轨迹 Quality over Quantity: Demonstration Curation via Influence Functions for Data-Centric Robot Learning。IWR 给出相邻视角：当用外部大规模数据增强少样本任务时，数据是否“好”取决于目标分布与先验分布的概率比，而不是最近邻相似度本身 Data Retrieval with Importance Weights for Few-Shot Imitation Learning。两篇合起来说明，机器人数据质量需要以目标任务和目标策略为参照系，而不是以数据集内部几何为唯一参照。
因此，数据质量的核心不是“效用优先”或“多样性优先”二选一，而是目标效用、任务覆盖和坏轨迹风险之间的约束优化。
3. 质量从采集工具开始，而不是采完以后再补救。 DQAF 把遥操作 episode 的质量信号拆成任务进度、运动平滑性、停顿、关节极限，并把自然语言反馈闭环给采集员 Closing the Loop in Teleoperation: Episode-Level Data Quality Assessment and Feedback for High-Quality Demonstration Collection。UMI gripper 研究显示，力分布、重量和人体工学会改变示教表现与操作者负担 Influence of Gripper Design on Human Demonstration Quality for Robot Learning。VR 研究进一步显示，输入设备和可视化会改变轨迹效率、不必要动作和执行精度，且不同任务偏好不同模态 From Interaction to Demonstration Quality in Virtual Reality: Effects of Interaction Modality and Visual Representation on Everyday Tasks。三项研究共同把质量控制点前移到采集硬件、交互模态、采集员反馈和任务分解，而不只是离线筛选器。
4. 质量粒度正在从 episode 下探到 segment/chunk。 PSD metric 将低质量 end-user 示教具体化为过度纠正、振荡和突兀调整，提供无需 推演 或专家标签的快速排序 An Efficient Metric for Data Quality Measurement in Imitation Learning。WARP-RM 指出长程遥操作里的次优 episode 往往同时包含停顿、失误和高价值恢复片段，整条丢弃会浪费有用数据，因此需要 frame/chunk 级 progress signal WARP-RM: A Warp-Augmented Relative Progress Reward Model for Data Curation。
由此可见，episode 级质量分数适合采集员反馈和粗筛，训练阶段则需要更细粒度的片段价值估计。
5. 异构数据不是“能不能用”，而是“以什么条件进入训练”。 PSI 说明人类视频虽然能扩大数据来源，但必须通过仿真过滤排除位姿估计错误、机器人不可达和 grasp 不兼容轨迹 Imitating What Works: Simulation-Filtered Modular Policy Learning from Human Videos。OXE-AugE 把跨本体质量问题表述为 robot/gripper 分布不均衡，指出 OXE 中 top four robot types 占超过 85% 真实数据会带来过拟合风险 OXE-AugE: A Large-Scale Robot Augmentation of OXE for Scaling Cross-Embodiment Policy Learning。
五层质量栈
一个可操作的数据质量栈可以分成五层。第一层是 collection interface quality，检验采集硬件、VR 输入方式、遥操作 UI 和采集员反馈是否改变了轨迹质量 Closing the Loop in Teleoperation: Episode-Level Data Quality Assessment and Feedback for High-Quality Demonstration Collection, Influence of Gripper Design on Human Demonstration Quality for Robot Learning, From Interaction to Demonstration Quality in Virtual Reality: Effects of Interaction Modality and Visual Representation on Everyday Tasks。第二层是 trajectory health，检查平滑性、纠正动作、振荡、停顿和关节极限等可直接从轨迹或遥测中计算的信号 An Efficient Metric for Data Quality Measurement in Imitation Learning。
第三层是 target-conditioned utility，用 validation demonstrations、目标任务分布或 influence/retrieval 权重衡量数据对目标策略是否真正有用 Quality over Quantity: Demonstration Curation via Influence Functions for Data-Centric Robot Learning, Data Retrieval with Importance Weights for Few-Shot Imitation Learning。第四层是 coverage and balance，防止高分筛选导致任务、本体、夹爪或场景覆盖坍缩 ATHENA: Accelerated Multi-Task Heterogeneous Influence Functions for Robot Data Curation, OXE-AugE: A Large-Scale Robot Augmentation of OXE for Scaling Cross-Embodiment Policy Learning。
条件与分歧
现有结果主要来自特定机器人、任务集和训练配方，因此某种筛选信号在一个项目中有效，不代表它能跨本体、跨任务复用。开放空间抓放可能更看重轨迹平滑与几何覆盖，接触密集任务则更依赖力、触觉和恢复片段。这些差异不应被压缩成一个全局分数。
未解决问题
本轮证据尚未给出跨任务通用的质量基准，也缺少能把采集成本、人工复核、训练算力和真机收益放入同一账本的长期实验。另一个缺口是可追溯性：当策略退化时，现有管线很少能反推到具体数据版本、筛选规则和训练阶段。这是本轮检索的证据边界。
对后续研究的启发
后续实验应将“删除哪些数据”改写为“哪类数据在哪个训练阶段产生多大边际收益”。最小可行对照应同时报告数据量、覆盖变化、训练成本与真实闭环结果，并保留失败和恢复片段的独立统计。
工程落点
把上述证据转成工程动作，最重要的变化是取消单一质量分。采集端记录操作者负担、停顿、过度纠正和关节极限；训练前评估任务相关性、覆盖均衡与可执行性；训练后再用闭环成功率、恢复能力和分布外表现反校准筛选规则。这样才能区分“轨迹看起来整洁”与“轨迹确实改善目标策略”。
这套分层也给出了反例：某条轨迹可能动作不够平滑，却包含稀有失败恢复；某个数据子集与目标任务相似，却让少数任务完全失去覆盖；某种采集设备能提高速度，却增加接触损伤。质量治理的对象因此不是单条样本，而是样本进入特定训练阶段后产生的边际作用。
精读复核后的新证据
在移出两个无法取得完整正文的引用后，数据筛选的结论从“识别多样性”进一步收窄到“保留可复用结构与任务覆盖”。SIEVE 按原语组合和转换接口分配选择预算，再保留稳定、中心的轨迹；论文报告用一半示教和一半训练步数可优于全量训练。这与 ATHENA 对任务覆盖的要求相互补充：数据治理不能只做一个全局高分排名，还要防止小任务被整体淘汰。
同时，TACO 把数据质量推进到失败后的纠正片段：触觉感知世界模型联合预测视频与力，再为失败附近状态标注纠正动作。这说明“高质量数据”不只是干净的成功示教，还包括可定位、可恢复的失败边界。
对工程管线而言，这意味着筛选器要同时输出样本效用、任务覆盖和失败可恢复性，而不是只给一个不可解释的总分。只有这三类信号一起进入版本比较，数据质量才能被持续治理。
References
- Quality over Quantity: Demonstration Curation via Influence Functions for Data-Centric Robot Learning
- Data Retrieval with Importance Weights for Few-Shot Imitation Learning
- ATHENA: Accelerated Multi-Task Heterogeneous Influence Functions for Robot Data Curation
- Closing the Loop in Teleoperation: Episode-Level Data Quality Assessment and Feedback for High-Quality Demonstration Collection
- Influence of Gripper Design on Human Demonstration Quality for Robot Learning
- From Interaction to Demonstration Quality in Virtual Reality: Effects of Interaction Modality and Visual Representation on Everyday Tasks
- An Efficient Metric for Data Quality Measurement in Imitation Learning
- WARP-RM: A Warp-Augmented Relative Progress Reward Model for Data Curation
- Imitating What Works: Simulation-Filtered Modular Policy Learning from Human Videos
- OXE-AugE: A Large-Scale Robot Augmentation of OXE for Scaling Cross-Embodiment Policy Learning
- SIEVE: Structure-Aware Data Selection for Imitation Learning with VLA Models
- TACO: TActile World Model as a Self-COrrector forScalable VLA Post-Training