失败样本为什么比成功数据更贵

成功抓取一百次,得到的往往不是一百条数据,而是一条数据重复了一百次。稳定成功的轨迹高度冗余,它们聚集在状态空间里很窄的一块区域,只能告诉你策略在已经掌握的条件下如何动作,却不能告诉你它在哪里失效。失败样本的位置恰好相反:它落在能力边界上,信息密度最高,而边界正是策略迭代唯一需要移动的东西。

价格差异首先来自获取成本。成功可以批量复制,失败无法排产。抓取滑落、对位偏差这类高频失败还算容易攒够样本;碰撞导致停机这种低频高影响的情况,现场既不敢主动制造,也等不来足够数量,只能靠仿真补数扩大样本量。想在真实产线上收集失败,代价往往是节拍中断和停机风险,这部分成本不会出现在采集预算表里,却真实发生。

更大的成本在于失败样本必须成套保存才算有效。一次滑落至少包含三段信息:失败前的观测、失败发生的瞬间、人工介入纠正的动作。这三者必须时间戳同步地绑在一起,否则收集到的只是无法复用的现场噪声。成功轨迹缺一帧无关大局,失败样本缺了介入过程就直接作废——这是它昂贵的技术原因,也是很多团队录了大量视频却拿不出训练资产的根源。

人工接管是最便宜的失败标注

操作员按下急停、切到手动、远程接管完成动作,每一次都在说明自动策略遇到了处理不了的情况。这些接管点连同前后状态数据汇总起来,构成一张能力边界地图,成本极低而标注质量很高。相比事后由人翻看录像打标签,它是现场自然产生的监督信号,前提是系统真的记录了下来。

失败样本的最终价值兑现在验证环节。按类型分桶之后,每个桶对应一个待解决的问题;策略更新后逐一回放,才能判断它是真的解决了问题,还是只换了一种失败方式。没有这批样本,回放集和挑战集就无从构建,上线门槛也就无法先于模型迭代确立,训练越快回归风险越高。

所以真正要问的不是采集了多少小时数据,而是有多少失败被完整地留了下来:边界清晰、标签可解释、接管有记录、每个 episode 可回放。满足这四条的失败样本,数量再少也是资产;不满足的,再多也只是素材。