Reward-DAgger：基于通用进度奖励模型的机器人门控交互式模仿学习

Reward-DAgger 提出一种机器人门控交互式模仿学习框架，用通用奖励模型的稠密进度信号判断何时需要人类介入，无需访问策略内部结构，也不用按任务重新调参。在 8 个仿真与真实任务中，其失败检测精度-时延权衡优于现有运行时监控基线，并持续提升下游策略的自主成功率与人力回报。同一门控配置跨任务、环境与策略架构通用，代码与视频已开源。