跳到正文
aihot(aihot.news)· noreply@aihot.news (AGIBOT 智元)·· 21 天前品質評分73

智元、清華、無問芯穹發布群體經驗學習範式 CEL,96 臺真機驗證叢集規模越大成功率越高

智元聯合清華、無問芯穹釋出群體經驗學習範式CEL,96臺真機驗證叢集規模越大成功率越高

重點導讀

CEL 是由智元、清華大學及無問芯穹共同提出的群體經驗學習框架,透過 96 臺真機的實驗證明,叢集規模越大成功率越高。

  • 實驗規模:96 臺機器人完成 9834 輪任務,涵蓋插花、疊衣、手機充電、凳子組裝、手機包裝等五大真實作業。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

正文

AGIBOT 智元·2026-11-02 12:01· 2 天前精選AI 評分67

AI WAVE丨智元釋出CEL群體經驗學習:機器人教機器人,96 臺真機實現叢集自主進化

AI 導讀

智元攜手清華大學、無問芯穹於10月30日釋出群體經驗學習範式CEL(Collective Experience Learning),讓機器人同伴互為經驗來源,擺脫人類示教的規模化瓶頸。

推薦理由

官方技術報告給出了FERT演算法與FATS系統的完整設計,以及在96臺真機上驗證的規模化規律和成功率資料,可瞭解機器人叢集自主學習的落地細節。

正文

作為AI WAVE的第七彈,智元攜手清華大學、無問芯穹釋出群體經驗學習(CEL)範式,持續落地 “讓機器人真正上崗 —— 從資料到智慧的全棧閉環” 作業智慧佈局。範式打通經驗獲取、經驗利用、規模化線上學習完整鏈路,以“機器人同伴互為經驗來源”為核心突破口,把真實作業中的每一次成功與失敗都變成群體共同的學習素材,讓機器人叢集規模的擴大直接轉化為任務執行可靠性的提升,為具身智慧擺脫“專家示範難以同步增加”的規模化瓶頸,開闢自主成長的新路徑。

120次連續包裝手機,只失敗2次——這不是熟練工的答卷,是一臺機器人的:策略成功率從79.2%提升至98.3%,失敗次數從25次降到2次,減少92%。更關鍵的是方法:這96臺機器人沒有等任何一位人類老師逐臺示範——它們的動作監督,來自彼此。

10月30日,作為AI WAVE的第七彈,智元攜手清華大學、無問芯穹正式釋出群體經驗學習範式CEL(Collective Experience Learning)。在插花、疊衣、手機充電、凳子組裝、手機包裝五項真實任務上,CEL訓練的策略全部超過6名人類遠端操作員的平均水平,最高反超16.7個百分點——在相同物理訓練時間內,參與學習的機器人從16臺擴至96臺,成功率從86.7%升至98.3%。機器人數量的增加,第一次直接轉化為任務執行能力的提升。

圖片1.png

CEL論文概念圖

技術報告:

https://arxiv.org/abs/2610.25736

網站連結:

https://cel-robot-learning.github.io/

01/

群體經驗學習:

機器人同伴,也能成為經驗來源

以GPT-6 Astra為代表的前沿通用模型,零樣本能力已相當亮眼,但落地拼的是可靠性——哪怕最強的模型,也會在接觸互動與長流程執行中反覆出錯。行業的解決方案是人類示範,但這有一個結構性瓶頸:這套模式適合小體量實驗室驗證,一旦拓展至上百臺機器人群體,人力示教就會成為效能天花板。

CEL範式重構了機器人的經驗獲取來源:學習素材不再只來源於人類,而是來自機器人同伴的真實作業軌跡。

假設一臺機器人在放置手機時遇到了困難,而另一臺機器人曾在相似情境下成功完成操作。那麼,後者的經驗可以幫助共享策略彌補前者的不足,從而讓一臺機器人的練習惠及整個群體。

在這種範式中,人類的角色隨之發生變化:從不斷提供動作、協助探索,轉向結果判定。

圖片2.png

CEL與之前學習範式的區別

但想要把 “機器人教機器人” 從理念落地為可工程化執行的系統,必須攻克兩大現實技術難關:

第一,稀疏反饋難題。長流程任務動輒數千步動作,最終只有成功或者失敗 0/1 位元結果,無法定位究竟是哪一個環節出現問題;

第二,叢集穩定性難題。上百臺機器人並行作業,會遇到充電覆位、網路抖動、硬體偶發故障,不能因為個別裝置異常,造成整個叢集訓練流程中斷。

針對以上兩大痛點,CES推出了FERT失敗引導經驗檢索微調演算法,以及FATS 容錯非同步訓練系統。

02/

FERT演算法:

失敗指明方向,成功提供範本

現實中的工業實操任務往往鏈條冗長,以手機包裝為例,完整執行時長超3分鐘,包含4000餘步動作,但任務最終的反饋卻只有一個位元:成功記為1,失敗記為0。這樣的反饋可以區分任務是否完成,卻無法直接指出:策略在哪些環節存在不足,又有哪些成功經驗值得重點學習。為此,團隊提出了失敗引導的經驗檢索微調演算法FERT。它區分了成功與失敗樣本的作用:成功軌跡提供可學習的動作,失敗場景則指明學習的重點方向。

圖片3.png

FERT演算法框架圖

FERT(Failureguided Experience Retrieval fineTuning)失敗引導經驗檢索微調演算法給出瞭解決方案,對失敗樣本、成功樣本做差異化利用:

失敗軌跡用來定位短板:擷取失敗任務臨近故障時刻的觀測資訊,經過影像、關節狀態聯合編碼,標記出叢集需要重點補強的工況;

成功軌跡用來輸出範本:所有機器人產生的有效成功軌跡存入群體共享經驗池;

檢索優先採樣訓練:以失敗場景的特徵作為查詢條件,在經驗池中檢索工況匹配的成功操作片段,提升該類樣本訓練取樣優先順序,把算力集中投入高頻出錯環節;

策略迭代閉環:更新後的策略下發全部機器人,繼續產出新一輪成功、失敗軌跡,迴圈往復持續最佳化。

一句話總結就是:失敗不只是負面記錄,更是告訴機器人,接下來重點該學習哪些場景。群體經驗的價值,一方面來自持續的資料積累,另一方面取決於能否把適配的經驗精準送到模型最需要學習的地方。

03/

FATS系統:

96臺真機並行訓練,故障時間損耗僅 1.3%

讓96臺機器人持續積累經驗,面對如下現實問題:有的執行快,有的復位慢;有的網路波動,有的需要充電,少數機器人還可能出現硬體故障。

如果區域性故障就要重啟整個訓練,大規模的協同訓練將無從談起。

面對這一問題,團隊設計了容錯非同步訓練系統FATS,將100臺機器人、50個邊緣節點和6臺雲端伺服器持續動態地組織起來,穩定支撐了大規模真實世界線上學習。FATS將機器人視作和GPU同等的訓練資源,實現了所有訓練硬體的統一排程。

SwarmLink:非同步資料流,無需全員等待

資料平面SwarmLink負責連通環境、推理與訓練節點。每一臺機器人完成任務之後獨立上傳作業軌跡,訓練模組收到資料即可即時更新策略,不用等待所有機器人完成一輪任務。訓練、推理元件可靈活部署雲端或者邊緣端,適配多變的網路頻寬條件,平衡通訊開銷與互動延遲。

圖片4.png

SwarmLink設計

HotSwarm:節點熱插拔,故障原地恢復

控制平面HotSwarm管理節點和工作程序的動態進出。支援機器人離線、充電、故障之後原地重啟恢復,無需重置整套叢集。在96臺機器人的實驗當中,叢集累計完成9834輪任務採集,期間發生30起機器人故障事件,故障帶來的機時損耗僅佔叢集總執行時間的1.3%。區域性裝置出問題,不會打斷整個群體的學習迭代。

圖片5.png

HotSwarm設計

04/

五大真實任務實測:

叢集學習效果反超人類遠端操作員

本次真機實驗覆蓋插花、疊衣服、手機充電、凳子組裝、手機包裝五大真實任務,覆蓋柔性物體操作、精密裝配、工具呼叫、長流程工業作業等典型場景。累計完成600次真機測試,總測試時長接近30機器人小時。

1793597325289153.gif

插花

1793597340494921.gif

疊衣服

1793597359851311.gif

手機充電

1793597372376074.gif

凳子組裝

1793597394380300.gif

 手機包裝

實驗測試的5個任務演示,GIF經過加速處理

對照組設定了SFT離線微調、HGDAgger人在環示教等主流方案做橫向對比:

圖片6.png

5個測試任務成功率

1.傳統SFT離線微調平均任務成功率僅36.3%;

2.依賴大量人類介入的HGDAgger方案提升至81.0%;

3.CELFERT範式下,五項任務全部超越6名人類遠端操作員平均水平,最高領先16.7個百分點,整體任務成功率達到97.5%。

CEL真正實現了擺脫人類示教,達成了更穩定、更魯棒的任務執行效果。

05/

驗證全新Scaling規律:

機器人越多,作業表現越好

CEL範式最關鍵的價值,是在真實真機上驗證了具身智慧的一條全新Scaling路徑:同等互動時間下,參與訓練的機器人數目越多,任務執行成功率越高。

圖片7.png

真機scaling曲線

團隊逐步擴大參與訓練的機器人叢集規模。在相同的物理時間內,FERT演算法在五項任務上均呈現出顯著的規模化趨勢:機器人數量越多,任務成功率越高。相比之下,依賴人類示教的HG-DAgger方案僅表現出有限的擴充套件能力,人類示教的採集效率成為其進一步擴大規模、突破成功率上限的瓶頸。

在難度最高的手機包裝任務中,參與FERT 訓練的機器人從6臺擴充套件至96臺,測試成功率從86.7%提升至98.3%。在相同的真實世界互動時長內,更大規模的機器人群體直接轉化為了更高的任務執行成功率。

06/

部署之後

機器人可以共同成長

CEL群體經驗學習為具身智慧提供了一個值得繼續探索的規模化方向:跳出高度依賴人類示範的傳統路線,讓機器人群體在真實作業中自主積累、互相學習。

機器人在真實工況下遇到的成功經驗、故障失敗,全部沉澱為整個叢集的公共資產。一臺機器人踩過的坑,全體叢集都可以吸取教訓;單臺摸索得到的有效操作,所有機器人都可以複用。當每臺機器人都能貢獻經驗,數量本身就成了能力增長的新維度。

來源:AGIBOT 智元 · agibot.com.cn

來源: aihot (aihot.news)
開啟原文

讀者討論

理性交流 · 即時討論