机器人学会一项新操作，通常要经过多轮示范采集、训练和实机测试。每轮都会产生新的数据和模型，也会留下许多判断：这段执行为什么能用于训练，当前版本还欠缺什么，下一轮应该补哪些示范。这些判断决定了学习怎样继续，却常常散落在视频、脚本、表格和操作者的经验中。
忆生科技联合香港大学提出的 RoboLineage，研究的正是这套学习过程。系统让智能体按照共同的工作标准，承担各阶段的任务，并将执行证据、数据选择和模型变化联系起来。后续工作可以继续使用前面留下的判断与依据，而不必每轮重新整理来龙去脉。相关论文已被机器人学习国际会议 CoRL 2026 收录。
论文：
项目主页：
让各阶段按共同标准接续工作
在实际实验中，采集者、数据审查者和训练负责人关注的内容并不完全相同。一次操作是否完成，可能需要看物体最终有没有放稳；一条记录能否进入训练集，还要考虑证据是否充分、是否符合任务规则。仅仅把几个工具连接起来，不能替代这些判断。
RoboLineage 让智能体结合任务要求、执行画面和已有记录理解当前工作，再调用相应工具完成处理。机器人与任务接入、采集组织、数据审查、训练准备、版本管理和评估，都有各自明确的职责。交接时，要说明使用了什么证据、得出了什么结论，以及哪些地方仍不确定。结果经过校验后，才能供下一阶段使用。
不同任务仍采用各自的成功判据，机器人与学习器也保留对应配置。共同的标准规定工作怎样交付、判断怎样留下依据，以及后续环节怎样读取和检查结果。
接入机器人时，智能体整理相机、状态与动作的数据接口，并建立任务的操作阶段和完成条件。经操作员确认后，这些配置可以重复使用。后面的智能体按同一约定理解数据，不必在每个环节重新处理机器人接口和任务定义。
Lineage 将工作结果连成跨轮记忆
各阶段按共同标准交付的结果，会与相应的执行、数据和模型版本关联。这些结果共同构成持续更新的工作状态，后续智能体据此判断当前进展。一次审查对应哪段执行，所选数据训练出了哪个模型，评估又促成了什么调整，都能沿着这些联系查到。lineage，也就是谱系，记录的正是这些来源和影响。
例如，在开始训练之前，系统会固定本轮选用的数据和相关配置。新模型随后与这份训练输入、训练记录及所继承的模型版本关联。即使数据被转换成另一种学习器需要的格式，也仍能找到原始记录。评估发生在相应的模型版本上，结果再进入后续决策。
Master Agent 读取各环节的结果与跨轮历史，汇总当前状态，整理尚未解决的问题，再提出下一步安排。这里的“记忆”来自持续维护的工作状态：智能体能够查到此前做过什么，也能把本轮的新结果写回去，供后续阶段和轮次继续使用。
执行证据怎样进入训练决策
以叠积木为例，夹爪把积木移到目标上方，并不意味着任务已经成功。积木可能在释放时滑落，也可能在夹爪离开后倒下。审查需要把中间动作与最后的状态一起看，才能判断这段数据的用途。
RoboLineage 将相关处理分成三条线。原始画面与机器人状态持续记录；在线视觉快照智能体 VSA 标记动作阶段、关键事件和风险；本次执行及在线处理完成后，异步审查结合关键片段、最终观察和过程信息进行复核。在线模型暂时响应较慢，不会阻断原始采集；审查也可以与后续采集并行推进。
审查结论和数据用途分别记录。系统先解释发生了什么，再依据任务规则决定这条记录是否获准训练。证据不足的情况交给人工复核，主训练集只接收获准训练的记录。能够帮助定位问题的失败则保留在失败池，供分析覆盖缺口、制定补采计划使用。
逐条审查之后，还要检查整批数据是否准备充分。数据健康智能体 Data Health Agent 将获准、拒绝和待复核的记录一起用于分析，检查哪些任务阶段缺少覆盖、失败集中在哪里。单条记录合格，并不代表一批数据已经适合开展下一轮训练；这些缺口会进入数据状态报告，供训练安排和后续补采参考。
训练仍由已有学习器执行。智能体负责检查和准备它们所需的数据输入，跟踪训练记录与模型版本，并汇总评估证据。操作员可以通过前端回看执行、检查判断依据、修改数据用途和查看补采建议；人工确认与修改同样留在工作记录中。
评估也遵循相同的交付方式。智能体记录成功、失败阶段和安全问题，比较当前版本与此前版本的变化，再形成继续部署、暂缓、回退或补采的建议。涉及实际部署的决定仍由操作员确认，判断所依据的测试与模型历史则继续保留。
在真实机器人上检验这套流程
论文在三组已配置的机器人与学习器上开展实验，分别是 ARX 与 ACT 风格策略、Realman 与 Diffusion Policy，以及 GALBOT G1 与 VLA／LeRobot 风格工作流，覆盖抓取、放置、工具使用和抽屉操作等任务。
在 25 个任务、500 条执行记录的审查基准上，完整系统的数据去向判断与专家共识的一致率达到 96.4%，直接视频审查对照为 79.6%。这些结果均取自操作员修改之前，使用相同的记录和审查模型。在专家判定应拒绝的 194 条记录中，误纳入主训练集的比例从 16.0% 降至 2.1%。
证据的组织方式也得到了检验。仅规范输出格式时，误纳入比例为 11.3%；去掉对最终观察与终末状态的重点检查后为 6.2%；取消分包审查后为 4.6%。这些结果说明，输出格式正确还不够，模型需要在恰当的证据上作出判断。
接下来要看，这些处理能否支撑策略训练。研究为 8 个任务分别建立包含 100 条候选记录的数据池，人工专家流程和 RoboLineage 各自选取 60 条示范，采用相同训练设置，并分别测试 60 次。两种流程的平均成功率为 93.1% 和 92.7%，在所测设置下表现接近。
例行工作的人工投入也有所下降。机器人与训练框架完成接入后，在 12 组配对实验中，每轮处理 30 条记录，训练前的人工投入时间由 130.2 分钟降至 54.3 分钟，减少约 58.3%。物理采集用时基本不变，节省主要来自审查、数据准入整理和训练准备。计时包括实际操作与阻塞等待，不包括一次性接入调试、适配器开发和 GPU 训练。
此前的经历怎样帮助下一轮学习
完整流程被连起来以后，下一轮补采可以同时参考当前失败和此前的学习经历。当前模型在哪里失败，与哪些场景已经补过数据、补采后模型如何变化，需要放在一起考虑。lineage 为智能体提供了这些联系。
积木堆叠案例中，补采重点随困难的变化而调整。最初补充陌生起始位置的成功抓取示范；抓取改善后，注意力转向放置是否对齐、积木是否停稳；随后再处理夹爪释放过晚或不释放的问题。每一轮的建议都要回应当前失败，也要用到此前已经采取的改进。
下图展示积木堆叠与开抽屉任务在三轮补采中的成功率变化，取三次独立运行的平均值。各方法每轮新增 30 条获准训练的示范，对照包含随机补采、按失败阶段补采，以及只使用本轮信息的规划器。
三轮结束后，每次运行再对最终策略做 60 次独立测试。RoboLineage 在积木堆叠上的成功率为 83.3%，只使用本轮信息的规划器为 70.0%；开抽屉上，两者分别为 78.9% 和 66.7%。该对照同样可以读取当前的视觉快照、审查结果和数据覆盖摘要，区别在于不读取此前的补采计划、历史数据状态与模型评估。因此，这组结果支持了跨轮历史在补采规划中的作用。
让学习过程本身积累经验
论文对审查和例行流程的评估，基于三组已配置的机器人与学习器；定向补采实验覆盖两个任务。
跨任务经验迁移和长期自主运行，还需要进一步检验。
RoboLineage 关注机器人能力获得过程中的协作。智能体遵循共同标准，接续推进各阶段的工作；lineage 保留数据和模型变化背后的依据，使后续工作能在已有经历上继续。机器人每完成一轮学习，组织和推进这轮学习的过程，也留下了下一轮可用的经验。
论文信息
RoboLineage: Agent-Native Data Lifecycle Governance Across Robot Policy Iterations
CoRL 2026
作者：Qian Luo、Wentao Guo、Zhennan Qin、Nanchun Guo、Yunhan Zhao、Yi Ma、Yanchao Yang
研究机构：忆生科技（TranscEngram）、香港大学、北京理工大学。
论文配套研究代码：
来源：human five
