Reverse to Advance：用易任务反向数据降低遥操作成本学习难任务策略

论文提出一种遥操作成本有效的难任务策略学习框架，利用任务的方向不对称性，把易任务的反向轨迹作为难任务的监督信号。框架包含三部分：在难任务与易任务策略间交替、自主重置环境并生成轨迹的闭环数据采集流程；对易任务轨迹做时间反转、并用运动学先验和 critic 引导的优势过滤剔除低质量动作的分层数据精炼流程；以及同时使用初始反向演示和过滤后反向数据的迭代在线策略学习。作者称在两个仿真基准和实机实验中，该方法相比基于反转的基线和强化学习基线提升了难任务成功率，数据效率更高、训练更稳定，且不需要大量难任务遥操作。论文共 22 页、17 幅图，已被 NeurIPS 2026 接收。