**TILDE：无需预训练动作数据的机器人策略蒸馏新框架**

_TILDE: Teacher-in-the-Loop Distillation from Embodied Foundation Models_

> TILDE 提出了一种从具身基础模型（EFMs）到策略的蒸馏方法，通过“教师 - 学生”循环机制，结合在线蒸馏与教师执行的重试轨迹学习。该方法利用自动数据聚合管道 AutoDAgger，由机器人奖励模型监控任务进度并触发教师干预，从而在无人类监控下高效收集恢复经验，效率比人机协作提升 2 倍以上。实验表明，TILDE 在三个真实世界任务中性能比行为克隆提升 4.1 倍，并支持跨架构蒸馏。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-23 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.25376)