GUILD：面向模仿学习的引导式迭代数据采集方法

GUILD 是一种引导式数据采集（GDC）方法，用于在模仿学习训练前主动判断应采集哪些数据以提升下游策略表现。其迭代框架交替进行任务提议与数据采集、数据评估两步：前者借助视觉语言模型的语义先验确定相关环境、物体配置与目标，后者用预测性数据归因估计已采轨迹对目标部署场景策略性能的影响，并将该信号反馈给后续采集以闭合循环。作者在仿真和真实机器人环境中评估，称相比被动采集策略、多个基线以及经验丰富的机器人操作者，引导式采集在样本效率和部署性能上有明显提升。该工作为 arXiv 预印本，尚未见同行评议信息。