清华联合无问芯穹、智元提出群体经验学习范式并在96台机器人上验证
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载让机器人学同伴经验
清华大学、无问芯穹与智元联合提出一种名为CEL的群体经验学习新范式，其核心思路是让机器人在学习过程中借鉴同伴已经取得的成功操作，而不是把全部学习来源都压在人类示范上。这一取向改变了示范数据的来源结构：人类操作不再是唯一参照，同一集群内其他机器人的执行记录同样可以成为学习素材。围绕这一范式，团队还配套构建了容错异步训练系统FATS与失败引导的经验检索微调算法FERT，前者负责调度，后者负责从经验中提取可用信息，三者共同构成从数据采集到训练再到调优的完整链路。
异步训练与经验调度
FATS基于开源框架RLinf搭建，承担机器人与计算资源的统一调度。它的运行方式带有异步特征：某台机器人完成一次任务后，执行经验随即上传，不必等待整个集群同步到同一节点再统一处理。这种安排让采集与训练可以并行推进，也让集群规模扩大时训练流程不至于被单台设备的节奏拖住。在96台真实机器人组成的集群上，这套系统完成了规模化验证，累计采集9834轮执行经验。规模运行中的稳定性同样被纳入考量：测试期间22台机器人共发生30次故障，由此造成的时间损失只占运行机时的1.3%，说明容错机制在真实集群里能够把单点故障的影响控制在较小范围。
失败经验也被用起来
FERT的特别之处在于对失败操作的处理方式。它从成功操作中学习应当怎么做，同时从失败操作中定位问题所在；当机器人在执行中遇到困难时，算法会检索相似场景下的成功经验作为参照。这样一来，失败记录不再是需要丢弃的噪声，而成为训练信号的一部分。与只依赖成功样本的做法相比，这种双向利用让有限的经验数据被更充分地消化，也让机器人在遇到与既往失败相似的情形时，有更明确的调整方向。
五项任务的成功率变化
验证覆盖插花、叠衣服、手机充电、凳子组装、手机包装五项任务。两台未经训练的机器人接受600次测试，其中失败15次，成功率97.5%；五项任务的成功率均超过6名人类操作员的平均水平。手机包装任务的变化尤为明显，成功率由79.2%提升至98.3%，连续测试120次仅失败2次。参与训练的机器人数量从16台增加到96台时，该任务成功率从86.7%升至98.3%，显示出集群规模扩大与任务表现之间的正向关系。对读者而言，这意味着机器人技能获取可以更多依托集群内部的经验流动，而集群越大，可供借鉴的样本越丰富。
为什么值得看
用近百台真机验证了「机器人越多、经验越厚、能力越强」的路径，为具身智能摆脱人工示教瓶颈提供了可复用的系统与算法组合。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。