从学习人类到学习机器人同伴，清华大学联合无问芯穹、智元提出具身智能规模化落地新路径
内容提要
清华大学、无问芯穹与智元联合提出群体经验学习（CEL）新范式，让机器人互相借鉴成功经验而非仅靠人类示教。团队在96台真实机器人上验证，五项任务总体成功率达97.5%，超过人类操作员平均水平；参与训练的机器人从16台增至96台，成功率由86.7%升至98.3%。系统层面构建容错异步训练系统，算法层面提出失败引导的经验检索微调算法，为具身智能规模化落地提供新路径。
延伸解读
从“人教”到“互学”的范式转变
文章指出，传统具身智能依赖人类示范和纠错，但操作人员数量无法随机器人部署规模同步增长，成为落地卡点。CEL让机器人共享彼此的成功经验，使学习对象从人转向同伴。这一转变的意义在于，经验积累不再受限于人力供给，机器人群体本身成为可扩展的学习资源，为规模化部署提供了新思路。
规模效应在真实集群中的验证
实验显示，参与训练的机器人从16台增至96台时，成功率从86.7%升至98.3%。这说明在相同训练时间内，更大规模的集群能积累更多真实经验，并转化为学习收益。文章将这一趋势概括为“机器越多越强”，但需注意该结论基于特定任务和实验条件，其普适性仍需更多场景验证。
系统容错是规模化落地的隐形前提
文章强调，CEL落地依赖底层系统与上层算法协同。容错异步训练系统FATS支持机器人完成任务后即时上传经验，无需等待其他机器人，并针对网络波动、设备掉线等真实环境问题做了准备。在96台机器人测试中，22台发生30次故障，但故障造成的时间损失仅占全部运行机时的1.3%，说明系统稳健性是群体学习能否持续运转的关键保障。
失败经验如何被有效利用
真实机器人操作可能持续数分钟、涉及数千动作步骤，但反馈往往只有成功或失败，信息量有限。FERT算法从成功操作中学习正确做法，从失败操作中定位问题，并在机器人遇到困难时检索相似场景下的成功经验进行重点学习。这一设计试图解决稀疏反馈下的学习效率问题，使失败也成为改进策略的信息来源。
Q&A
什么是群体经验学习（CEL）？它和传统机器人学习方式有什么不同？
群体经验学习（CEL）是清华大学、无问芯穹与智元联合提出的新范式，让机器人不只依靠人类示范学习，还能借鉴群体中其他机器人的成功经验。传统方式主要靠人一遍遍示范或手动纠正，而CEL让机器人从同伴的经验中学习，实现群体共同提升。
CEL在真实机器人上的实验效果如何？
在96台真实机器人上验证，五项任务（插花、叠衣服、手机充电、凳子组装、手机包装）总体成功率达97.5%，超过6名人类操作员平均水平。其中手机包装任务成功率从79.2%提升到98.3%。参与训练的机器人从16台增至96台时，成功率从86.7%升至98.3%。
CEL如何解决具身智能规模化落地中“人不够用”的瓶颈？
传统方式依赖经验丰富的操作人员持续示教和纠错，但人员数量无法随机器人批量部署而增长。CEL让机器人彼此学习，机器人越多，积累的经验越丰富，能力提升越快，从而将“人不够用”的瓶颈转化为“机器人越多越强”的规模优势。
CEL的系统层面有哪些关键技术？
团队基于大规模强化学习训练开源框架RLinf构建了容错异步训练系统（FATS），支持近百台机器人持续稳定协同学习。该系统统一调度机器人与计算资源，机器人完成任务后立即上传经验，无需等待其他机器人；同时能应对网络波动、设备掉线、硬件故障，在96台机器人测试中故障时间损失仅占1.3%。
CEL的算法层面提出了什么方法？它如何帮助机器人改进？
团队提出失败引导的经验检索微调算法（FERT）。针对机器人操作步骤多但反馈仅“成功/失败”的难题，FERT从成功操作中学习“应该怎么做”，从失败操作中分析“哪里做得不对”，并在遇到困难时检索相似场景下的成功经验进行重点学习，逐步改进能力。
CEL的提出对具身智能产业有什么意义？
CEL提供了一条从“单台机器人能力提升”走向“整个群体持续进化”的路径，解决了依赖人工示教的瓶颈，将规模优势转化为能力优势。同时，清华大学、无问芯穹、智元三方产学研协作，打通了从论文方法到产线能力的链路，为其他企业和场景提供了可借鉴的完整路径，推动具身智能从技术验证走向产业落地。
