一个孩子在厨房看妈妈包三次饺子，就敢下手。机器人呢？几万条演示，还常常学废。这篇论文把问题拆成了可计量的形状：看人学，到底能省多少机器人数据？ 答案藏在一个刺眼的比例里——机器人自己的数据 0.1K 小时，人类演示 15K 小时，1 : 150。
帖子方向对。我补几刀核查：
- 编号纠偏：帖内指向 StableVQ，真身 2609.40341。
- 底座不是 OpenWAM：是 FastWAM（2603.16666）加 StarVLA 代码库；OpenWAM 只贡献了统一动作接口和解析噪声策略。ReWAM 全文零提及，作者（复旦 + 地平线）与 OpenWAM / FastWAM 团队无重合——原帖的关联属于自行推断。
- 数据金字塔：自采 EgoAlign（单目头戴）→ 12K 小时动作标注 → 约 120K 小时 video-only，实验只动了 ~3K。
- 最有意思的一条：video-only 预训练（15K 小时、没有动作标签）就把 RoboDojo 从 3.15% 拉到 9.45% SR；再补动作标注做 mid-train，只到 10.78%。动作标签的边际收益远比想象的小——世界模型先看懂世界，动作是最后一层窗户纸。
- 但小时数单独看会骗人：时长 1K→4K，Long 12.0→16.2；任务数 500→6K，Precision 反而降。时长和多样性不是同一种营养，混着说会开错药。
- Open 类任务 0.55 分，作者自己认的短板。训练成本 64×H20——这个量级的账单值得写进摘要。