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。
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。
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。
离线微调或小步持续训练;版本化 checkpoint,灰度切流与快速回滚。
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。