RaC: Robot Learning for Long-Horizon Tasks by Scaling Recovery and Correction
本质上就是多了一段“回到机械臂的in-distribution区域”，那么需要明确的是：“什么是in-distribution”的数据？
作者做了一些可视化的方法：
还有几点：
- 对于dagger类型的，作者刻意“Terminate after intervention. After an intervention concludes, we terminate the entire episode.” 因此需要多次迭代采集更新。因此later的subtask会在之后的轮数中被采集到。
- 每次采集数据后，会将所有数据做并集，==这里推测每次迭代的policy都是从base ckpt开始训练，而非从上一轮的policy==