DAgger

DAgger (Dataset Aggregation) 改的不是 loss，而是数据采集方式。它反复执行：learner rollout → 收集访问到的状态 → 专家在这些状态上标注正确动作 → 并入数据集重新训练。

因此它训练的是：

而 BC 训练的是 $(s\sim d_{\pi_E},\ a^E)$。两者的损失函数可以完全相同。

代价是必须能在训练循环里反复请求专家。具身系统里的 human intervention、corrective demonstration、failure recovery、online correction 都带有这一结构。