機器人失敗挖掘會找出需要審查、重新標註或重新蒐集資料的執行片段。重點不是最後一個故障影格，而是保留故障前兆、策略決策、接觸事件、後果及恢復嘗試的上下文視窗。
主動學習接著把有限的標註或硬體資料蒐集預算分配給不確定性、新穎情況、影響、多樣性與安全。高分只會產生待審候選項，並不代表失敗已經確認，也不授權重現危險狀態。
請將本指南與 機器人評估指南 及 人工介入指南 搭配使用。應將凍結的失敗留出集排除在挖掘與再訓練迴圈之外。
挖掘回合視窗，而不是只看終止影格
最終的碰撞或物體掉落在畫面中可能很明顯，但此時已太晚，無法用來學習如何預防。截取足夠長的視窗，以涵蓋狀態漂移、感知不確定性、動作選擇以及首次可恢復的偏差。
保留指令、觀測、接觸事件、模式變更與時間戳記。應依任務語意設定視窗跨度；若只固定影格數，不同控制頻率所涵蓋的實際時間會不同。
建立一個超越已確認失敗的候選項庫
候選池應包括人工介入、保護性停止、逾時、進展緩慢、高不確定性、新穎情況和可疑的成功案例。有些任務雖然完成，卻包含不安全的未遂事件或需要修正的捷徑。
保留常見但容易被誤判為失敗的成功樣本（困難負樣本），讓稽核員和檢測器學習決策邊界，而不只關注視覺上罕見的情況。
| 訊號 | 用途 | 主要歧義 | 校準方式 |
|---|---|---|---|
| 不確定性 | 識別模型疑點 | 可能存在校準偏差 | 在留出結果上校準 |
| 新穎性 | 識別分布變化 | 新穎情況也可能安全 | 依叢集審查 |
| 進展 | 識別任務停滯 | 緩慢也可能合理 | 使用任務特定的時間門檻 |
| 影響 | 評估後果嚴重程度 | 後果可能難以預測 | 使用風險分類體系 |
| 介入 | 反映人工關注 | 操作員門檻會變動 | 結合原因與結果 |
在合併分數前先校正訊號
不確定性、新穎性、預測影響和資料蒐集成本採用不同單位，也有不同錯誤率。先依據已標註的驗證事件進行正規化，並保留各項分數，再計算綜合優先順序。
綜合加權分數可能會讓低新穎性稀釋高影響候選項的優先順序。當後果嚴重程度應主導排序時，應設定不會被綜合分數抵銷的安全硬性約束。
找出失敗的起始點與演變過程
在重複自動化中，失敗往往由輕微姿態誤差、接觸不匹配、重試或時序漂移逐步擴大。應分別標註失敗起始點、首次可偵測線索、首次修正機會和最終結果。
該結構支援早期檢測和恢復學習。它還防止在不可避免的失敗後，每一影格都變成冗餘的訓練樣本。
基於機制而非視覺相似度的聚類
嵌入與軌跡分群可以減少重複審查，但兩個視覺相似的影格可能對應不同原因，例如滑移、校準偏差或指令延遲。必要時加入動作、力、任務進展和錯誤碼等特徵。
從每個叢集中審查代表性回合、邊界回合和離群回合。保留規模小但後果嚴重的叢集，不要把它們併入僅僅外觀相似的大類。
使用執行時檢測器作為候選生成器
2025 年 RSS 論文 FAIL-Detect 將「僅使用成功訓練資料進行失敗檢測」表述為序列式分佈外檢測，並使用共形閾值評估學習得到的訊號和事後訊號。
這些警報仍只是論文所報告任務中的模型輸出，並非事實結論。在判定根因或變更已部署的安全反應之前，仍需人工審查和結果證據。
設計人工稽核以獲取資訊
向審查員展示同步視窗、預測分數、任務階段以及既有叢集的範例。使用結構化問題記錄是否失敗、原因、可恢復性、嚴重程度和下一次應蒐集哪些資料，並允許選擇「不確定」。
衡量審查員之間的一致性，並把分歧提交裁決。不要強迫複雜的物理事件歸入一個看似確定的單一標籤。
在決策邊界附近保留困難負樣本
困難負樣本包括柔順接觸、進展緩慢、遮擋或異常光照等看似失敗、但最終安全完成的情況。沒有這些樣本，監控器會反覆觸發，策略也會避開有效但罕見的狀態。
儘可能將每個故障叢集與相關的正常變體配對。按任務階段和營運成本評估誤報。
在受保護的安全邊界內蒐集新資料
主動學習不應盲目執行不確定性最高的動作。先用碰撞、力、工作空間、人員進入和重設約束篩選候選動作；若直接由機器人自主重現並不安全，則使用模擬、夾具或遙操作。
明確停止標準和獨立保障措施。學習目標從不授權擴充物理安全範圍。
預算在多樣性和預期價值之間分配
依據叢集涵蓋率、後果、預期誤差降低幅度、成本與可行性，選擇要標註或重現的回合。一個規模較大的常見叢集，所需代表樣本可能少於一個規模較小但後果嚴重的失效機制叢集。
跟蹤實際標籤、採集和重置成本。使用 混合指南，確保新採集的資料不會在再訓練時壓倒正常行為。
在未見失敗與誤報上重新測試
重新訓練後，在包含未見回合、新實例和困難負樣本的凍結留出集上評估。不要只評估用於選擇的候選池，因為該迴圈會明確地朝這個候選池最佳化。
測量檢測延遲、恢復機會、任務成功率、不安全事件和誤報成本。與固定基線進行比較，並保留每一項介入措施。
| 迴圈階段 | 產物 | 驗收檢查 | 洩漏風險 |
|---|---|---|---|
| 挖掘 | 候選視窗 | 情境與時間戳記完整 | 只保留終止影格 |
| 分群 | 依機制分組 | 保留罕見模式 | 依賴視覺捷徑 |
| 複核 | 標籤與決定 | 記錄一致性與不確定性 | 強迫給出確定結論 |
| 資料蒐集 | 新回合 | 符合安全與多樣性要求 | 追逐不安全的不確定狀態 |
| 重測 | 凍結留出集 | 確認在未見失敗上的改進 | 重複使用候選池 |
釋出失敗挖掘流程的可追溯記錄
關聯候選評分、原始執行片段、評審決定、分群結果、重新蒐集請求、新資料集版本、模型更新和留出集結果。保留被拒絕的候選項，便於後續稽核抽樣策略。
最後依照以下清單完成驗證。
發布失敗挖掘結果時，應記錄資料集與模型版本、機器人設定、校準檔案、測試日期、完整回合視窗、人工介入，以及候選項被接受或拒絕的決定，並為原始記錄設定留存期限。
報告應說明已知限制和未見情境，提出下一項可證偽的實驗，並確保凍結留出集始終位於挖掘與再訓練迴圈之外。
- 挖掘包含前因和後果的情境視窗。
- 分別校正不確定性、新穎性、影響和成本。
- 依失效機制分群，並保留困難負樣本。
- 只在獨立安全控制限定的範圍內蒐集資料。
- 使用凍結的未見失敗樣本和正常邊界樣本重新測試。
常見問題
每一次失敗的回合都應該被加入訓練嗎？
不。去重、驗證標籤、保留機制，並與正常和恢復資料進行平衡。
高不確定性是否意味著機器人失敗了？
不。這是一個候選訊號，需要校正、背景和結果證據。
失敗挖掘可以只分析單一影格嗎？
單一影格可以作為搜尋起點，但根因分析和恢復評估通常需要同步的回合視窗。
主動學習是否故意執行危險狀態？
不應該。當復現超出安全範圍時，應使用受保護的篩選、模擬、夾具或人工控制。
如何證明再訓練有價值？
使用包含未見失敗和困難負樣本的凍結留出集，並結合檢測延遲、任務成功、安全事件和誤報等指標。
候選警報與已驗證失敗的區別
失敗評分只用來決定審查優先順序；它既不能證明事實，也不構成硬體操作授權。應保留情境、不確定性、安全約束以及獨立的未見樣本留出集。