失败轨迹和低质量样本在后训练中有哪些用途？它们应如何参与数据迭代或策略训练？

至少四类用途：1）value 学习——离线 RL（RECAP、RLT）需要成功与失败两类经验才能拟合出有区分度的 value，只有成功轨迹没有对比信号；2）奖励与成功检测器——作为负例标定分类边界，校准 precision/recall；3）偏好优化——同任务成败对组成偏好对（DPO 式），或在优势条件化训练里提供低优势标签；4）数据迭代——失败原因聚类（感知/规划/控制/数据/Sim2Real）直接指向下一次采集与场景设计。低质量样本：用于训练质量判别器、做清洗规则的回归测试，或降权参与训练而非一扔了之——直接丢弃会丢失分布尾部的信息。

关键意识：「失败不是脏数据，而是信用分配的监督信号」。能结合 π*0.6 的 RECAP（时间一致性自举依赖含失败的回放）或 DPO 偏好对说明失败被哪个算法模块消费是加分项；同时要主动给出边界——失败轨迹直接做 BC 会教坏策略，用途取决于算法而非数据本身。按失败原因分流（可修复的进纠正采集、不可修复的进负例池）是工程化答案。