清华等提出集体经验学习，96台机器人成功率升至98.3%
清华大学、智元机器人与无问芯穹联合团队的 arXiv 预印本论文提出集体经验学习（CEL），让已部署机器人共享执行经验、共同改进同一策略。其算法实现为失败引导的经验检索微调（FERT）：利用失败时的上下文，从集群共享的成功经验中检索相关轨迹片段，并以其中记录的动作作为监督信号，无需额外收集专家示范或纠正动作，人类只需标注成功或失败并重置环境。容错异步训练系统（FATS）则在个别机器人中断时维持经验采集、策略优化与策略分发。作者报告在五项真实操作任务上、每项 120 次试验且评估机器人未参与训练数据采集的情况下，成功率为 93.3% 至 99.2%；在多阶段手机包装任务中，使用 96 台机器人学习将成功率从 79.2% 提升至 98.3%。作者同时指出，评估仅限于单一平台上的五个任务专属策略。
论文报告称，在固定每台机器人采集时长的条件下，集群越大提供的经验越多，FERT 的成功率总体也越高，显示集群部署经验可作为替代人工纠正监督的可扩展路径。
Computer Science > Robotics
arXiv:2610.25736 (cs)
[Submitted on 19 Oct 2026]
Title:Learning from Fleet Experience: A Collective Learning Paradigm for Robots
Authors:Chao Yu, Shu'ang Yu, Hao Lin, Hongzhi Zang, Yuxiang Yan, Chenxi Jiang, Zhen Guo, Chuankang Li, Yihao Chen, Xin Xu, Xu Fu, Jiakai Zhou, Liangzhi Shi, Hongyi Ren, Yiwei Liu, Jing Wu, Yuanqing Wang, Chen Wu, Bo Dai, Chunyu Yang, Hongliang Huang, Shuoyu Yue, Weiqi Yin, Yinuo Chen, Ruihua Chen, Chunyang Zhu, Han Xiao, Yanghao Li, Ruipu Wu, Zhikai Cai, Xiu Chen, Xu Tan, Yuchen Yan, Jialin Zhang, Wen Zeng, Yiming Zhou, Zixiao Huang, Guanghui Ren, Quanlu Zhang, Boxun Li, Maoqing Yao, Yu Wang
View a PDF of the paper titled Learning from Fleet Experience: A Collective Learning Paradigm for Robots, by Chao Yu and 41 other authors
#Tsinghua University#AgiBot#Infinigence AI#FERT#FATS#π0#AgiBot G2#arXiv