请讲一下 DAgger 的基本思想？它解决了什么问题？在具身智能中如何应用？

行为克隆只在专家状态分布上训练，策略一旦犯错进入未见状态就会雪崩——这是 covariate shift。DAgger 的解法：用当前策略与环境交互，把访问到的状态交给专家标注正确动作，把新标注聚合进数据集后重训策略，反复迭代直到策略覆盖自己的错误分布。理论上它把学习目标从「模仿专家在专家轨迹上的动作」修正为「在策略自身状态分布上也做对」。

具身应用与代价要一起说：真机上「专家标注」$=$人类遥操作纠正或共享自治（人只接管错误状态），这正是纠正式数据闭环（如 RECAP 的人工纠正段）的理论前身；代价是专家必须实时在线、标注延迟可能破坏状态分布（用 DAgger-by-Proxy 或事后标注缓解）。