KlaskTron-IL：接触丰富对抗模仿学习基准与经校验的仿真到现实通道

作者提出 KlaskTron-IL，一个面向接触丰富对抗动力学的多层级模仿学习数据集与诊断基线，构建在开源硬件双人对抗强化学习平台 KlaskTron 之上。数据集包含直接在物理机器人上采集的 8 万步人类演示、32 万步对称性增强数据，以及由零样本验证的 PPO 策略生成的至多 500 万步合成专家轨迹。基线暴露了标准模仿学习方法的三种典型失效模式：BC 的数据规模平台期、GAIL 判别器可解释但梯度偏弱（peg-ball 接近度恢复的 Spearman ρ = -1.0，但 logit 跨度低于 0.1），以及 BC 先验与奖励密度之间的非对称交互。