机器人开始互相学习：96台集群验证具身智能新路径

导语

具身智能要从演示走向规模化部署，真正的瓶颈不只是模型能力，也包括谁来持续提供训练经验。单靠人工示范和纠错，很难匹配未来成百上千台机器人的部署速度。清华大学、无问芯穹与智元提出的群体经验学习（Collective Experience Learning，CEL），试图让机器人从“向人学习”进一步走向“向同伴学习”。

核心要点

• 共享真实经验。 一台机器人在执行任务时获得的有效策略，可以沉淀并供其他机器人检索、复用；失败记录则用于定位需要改进的环节。
• 规模带来训练收益。 在插花、叠衣服、手机充电、凳子组装和手机包装五项任务中，两台未参与训练的机器人完成600次测试，仅失败15次，总体成功率为97.5%，且各任务成功率都高于6名人类操作员的平均水平。
• 复杂任务提升明显。 手机包装包含连续多个操作步骤，群体经验学习后成功率由79.2%提升至98.3%；连续120次测试中失败2次。
• 系统为持续学习兜底。 团队基于RLinf构建容错异步训练系统，使机器人完成任务后可以及时上传经验并继续训练。96台机器人累计采集9834轮执行经验，22台机器人发生30次故障，但由此造成的机器人时间损失占比为1.3%。

这项方法解决了什么

CEL的价值在于改变经验供给方式。传统流程往往需要操作人员反复示范，或在机器人失败后手动纠正；机器人数量增加后，人力会成为明显限制。群体学习则把单台机器人的试错转化为群体资产：机器人越多，同时产生的真实经验越丰富，其他成员越有机会从相似场景中找到有效做法。

不过，真实机器人学习并非简单地汇总数据。一次操作可能持续数分钟、包含数千个动作，而最终反馈往往只有“成功”或“失败”。为此，团队提出失败引导的经验检索微调算法FERT，从成功轨迹中提取可模仿的行为，并利用失败轨迹寻找需要修正的位置。它与异步、容错的系统设计结合，形成了从执行、采集到更新的连续流程。

影响与限制

实验还显示，训练机器人从16台增加到96台时，成功率由86.7%升至98.3%，说明规模化可能不仅意味着部署数量增加，也可能成为能力进化的来源。对于家庭服务和工业操作等需要大量真实交互的场景，这条路径有望降低对人工示教的长期依赖。

但现有结果主要覆盖五项任务，能否迁移到更多物体、环境和机器人构型，仍需进一步验证。群体经验的质量、跨设备差异、数据筛选以及安全控制，也将决定这种“机器人教机器人”能否稳定进入生产现场。无论如何，CEL把算法、算力、机器人集群和真实场景连接起来，为具身智能从单机能力优化走向群体持续学习提供了一个值得关注的方向。

来源：量子位