让机器人关微波炉，它却拿起了杯子。普通强化学习会把整次尝试判成失败；但换个角度看，它其实成功完成了“拿起杯子”。这正是 Learning from Hindsight（LfH，事后学习）的思路：把没有完成原指令的机器人 rollout——从开始执行到结束的一整段尝试——重新标注为它实际做成的任务，让昂贵的失败数据也能参与训练。
具体来说，LfH 用同一个视觉语言模型查看失败轨迹，先判断其中有没有有意义的行为，再生成新的文字指令，并给同组轨迹按这条新指令重新评分。随后，它把原任务和重标任务一起用于 VLA——把画面、文字指令直接连接到机器人动作的模型——强化学习。作者报告，在初始成功率接近零的 LIBERO-PRO 分布外任务上，LfH 约用标准强化学习五分之一的训练步数，就达到后者最终的成功率；效果也在不同 VLA 底座和实体 Franka 机器人上出现。关键变化不是给原任务的失败过程硬加“进度分”，而是承认机器人可能做成了另一件事。