区分成功、恢复和失败轨迹，以恢复驱动优化提升长程机器人操作鲁棒性。
推荐理由：它不再丢弃失败执行，而把纠正后缀切成从不利状态出发的新回合，让模型直接学习脱困；这补上成功模仿对执行漂移监督不足的问题。
阅读原文