[!summary] HELP 的核心目标不是“让人类采更多 demonstration”，而是让少量人类同时驱动大量机器人持续 rollout，并把其中最有价值的片段自动变成下一轮训练数据。
┌──────────────────────────────┐
│ 当前 VLA Policy 部署到真实机器人 │
└──────────────┬───────────────┘
│
▼
12 台机器人并行 Autonomous Rollout
│
┌─────────────┴─────────────┐
│ │
▼ ▼
正常 autonomous execution 出现 failure-prone state
│ │
│ ▼
│ Floor Operator 监控 robot fleet
│ - 同时观察多台机器人
│ - 识别重复 failure mode
│ - 触发 takeover
│ - 负责环境 reset
│ │
│ ▼
│ Teleoperator 远程接管
│ - 只做高技能纠错
│ - 提供 recovery demonstration
│ │
│ ▼
│ HITL Data
│
▼
Autonomous Rollout
│
▼
VLAC-CUT
对 rollout 做 process-level segmentation
│
┌──────────┼───────────┬───────────┐
▼ ▼ ▼ ▼
Progress Recovery Idle Failure-inducing
│ │ │ │
└────保留──┘ └────丢弃───┘
│
▼
Curated Rollout Data
│
▼
Base Demo + HITL Recovery + Curated Rollout
│
▼
Post-Training
│
▼
更强的 VLA Policy
│
└──────────────► 下一轮部署
核心是把传统的：
\[1\ \text{human} \approx 1\ \text{robot}\]变成：
\[\boxed{2\ \text{operators} \rightarrow 12\ \text{robots}}\]其中两个人做角色专业化：
这样，高技能 teleoperation 时间只被用在真正有信息量的失败状态上，而不是浪费在等待、巡检和重置环境。
HELP 并不把所有 autonomous rollout 都直接训练，而是让 VLAC-CUT 自动判断：
\[\text{哪些片段值得学习？}\]只保留：
\[\boxed{\text{Progress-making} + \text{Recovery}}\]丢弃：
\[\boxed{\text{Idle} + \text{Failure-inducing}}\]因此每轮训练使用：
\[D_{\text{train}} = D_{\text{base}} + D_{\text{HITL}} + D_{\text{curated autonomous}}\]关键在于：少量 HITL 数据负责指出模型不会什么，大量机器人自主 rollout 负责扩展数据规模，VLAC-CUT 负责把自主数据变成可用训练数据。
最终形成数据飞轮：
\[\boxed{ \text{More robots} \rightarrow \text{more failures exposed} \rightarrow \text{targeted human correction} \rightarrow \text{more useful rollout} \rightarrow \text{better policy} \rightarrow \text{better future rollout} }\]