智元联合清华、无问芯穹发布群体经验学习范式CEL
论文AI 评分 78/100AGIBOT 智元（网页）待复核
AI 聚合
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。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
智元与清华大学、无问芯穹联合发布群体经验学习（CEL）范式，属于智元AI WAVE系列的第七项发布。该范式打通经验获取、经验利用与规模化在线学习三个环节，核心思路是让机器人同伴互为经验来源，把真实作业中的成功与失败转化为群体共享的学习素材。团队用96台真机进行验证，结果显示集群规模越大，任务成功率越高。这一路径针对的是具身智能领域专家示范难以随规模同步增加的瓶颈。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载范式要解决的问题
材料把CEL的出发点放在具身智能的规模化瓶颈上：专家示范难以同步增加，机器人数量扩张时缺少与之匹配的学习信号。智元的做法是改变经验来源，不再只依赖外部示范，而是让集群内的机器人互为经验提供者，把真实作业中产生的成功与失败都收进群体共同的学习素材池。这一思路对应的是“让机器人真正上岗——从数据到智能的全栈闭环”的作业智能布局。
链路与验证方式
CEL被描述为打通经验获取、经验利用、规模化在线学习三个环节的完整链路，而不是单点方法。验证在真机上进行，规模为96台，材料给出的结论是集群规模越大，任务执行成功率越高，即集群扩张直接转化为可靠性提升。材料未披露具体任务类型、成功率数值与训练时长。
发布背景
此次发布由智元、清华大学、无问芯穹三方联合完成，是智元AI WAVE系列的第七弹。材料将CEL定位为摆脱专家示范瓶颈、走向自主成长的新路径，但未给出开源安排、可用时间或面向对象等落地信息。
为什么值得看
机器人集群能否靠互相学习提升可靠性，96台真机验证给出了规模与成功率的直接关系，值得关注具身智能规模化路径的人一看。
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。