首页 / Robot / 在线学习
04 Online Learning

在线学习

部署不是终点:把线上失败、人机纠偏与新场景经验回流成数据,再微调策略并热更新,形成持续改进闭环。

关键是安全约束下的「采—训—部」小循环,而不是无护栏的在线梯度乱更新。

在线学习阶段插图

经验回流

记录失败轨迹、干预片段与成功 recovery;打标签后并入下一轮训练池。

人机协同

策略卡住时切遥操作接管,用专家修正动作构造高质量增量数据。

策略更新

离线微调或小步持续训练;版本化 checkpoint,灰度切流与快速回滚。

监控指标

任务成功率、干预率、延迟与安全事件;驱动采集重点与训练优先级。