在将视觉语言行动（VLA）模型适应下游任务时，需要进行多轮后训练，因为单轮数据无法解决所有问题，必须进行持续迭代以逐步应对前几轮暴露出的弱点。本文旨在最大化后训练过程中的人类效率，定义为每单位人力和时间所实现的策略改进和任务吞吐量。
我们提出了一种人类高效的后训练管道，使少量人类操作员能够监督多台机器人。该管道围绕专业化的劳动分工构建：经过训练的遥控操作员专注于高价值的远程干预和恢复演示，而地面操作员则监控多台机器人，触发接管并进行物理重置。这种角色专业化减少了任务切换，降低了操作员培训成本，使有限的人力能够监督更多机器人的交互。
为了提高数据利用效率，我们引入了VLAC-CUT作为自动化的回滚策划工具。它将自主机器人轨迹分割为进展、闲置、失败诱导和恢复部分，保留有用的片段，同时过滤掉有害或无信息的内容。策划后的回滚数据与人类参与数据结合，用于下一轮后训练。
我们在四个真实世界的操作任务上验证了所提管道。在迭代的后训练轮次中，最终策略达到了80\%--95\%的成功率，任务吞吐量提高了1.7$\times$--4.2$\times$，相较于基础模型。在相同的人类干预预算下，VLAC-CUT指导的回滚重用在成功率和吞吐量上都优于仅依赖人类参与的训练。
博主点评： 本文提出的VLAC-CUT管道通过明确分工和数据策划，显著提升了机器人后训练的效率，为大规模机器人系统的应用开辟了新路径，充分展示了人机协作的潜力和未来的发展方向。