这一场景来自清华大学、智元机器人与无问芯穹联合完成的群体经验学习(CEL)真机验证:最多 96 台 AgiBot G2 双臂机器人在同一训练环境中反复执行插花、叠衣服、手机充电、凳子组装、手机包装等任务,过程中不再需要工作人员守在每台机器后面逐一接管、纠正动作。传统模式下,机器人出错要靠远程操作员接手示范;这次团队把每台机器人的成功经验和失败记录沉淀到共享经验库,某一台卡住时,系统会从同伴的成功片段里检索相似情境补学,再把更新后的策略发回集群。最终两台未参与训练的机器人完成 600 次测试,只失败 15 次,整体成功率 97.5%,五项任务成功率全部超过 6 名人类操作员的平均水平;其中最复杂的手机包装任务,成功率从 79.2% 提升到 98.3%,连续 120 次测试仅失败 2 次。
一、项目基本信息一览
| 项目 | 具体内容 |
|---|---|
| 参与团队 | 清华大学、智元机器人(AgiBot)、无问芯穹(Infinigence-AI) |
| 技术范式 | 群体经验学习 CEL(Collective Experience Learning) |
| 论文编号 | arXiv:2610.25736 |
| 机器人硬件 | AgiBot G2 双臂机器人,头部摄像头 + 双腕部摄像头 + 本体状态观测 |
| 集群规模 | 最多 96 台真机参与训练 |
| 测试方式 | 两台未参与训练数据收集的机器人独立测试,测试期间无人介入 |
| 整体结果 | 600 次测试失败 15 次,成功率 97.5% |
| 对照基准 | 五项任务成功率均超过 6 名人类操作员平均水平 |
二、五项真机任务与提升效果
| 任务 | 操作内容 | 学习前成功率 | 学习后成功率 |
|---|---|---|---|
| 插花 | 依次将两枝花和一片叶插入花瓶,柔枝花茎会摆动,要求运送平稳、插入准确 | 90.8% | 99.2% |
| 叠衣服 | 按既定流程折叠平铺在桌面的 T 恤,需处理可变形布料并控制与桌面的接触,约耗时 40 秒 | 85.8% | 98.3% |
| 手机充电 | 将充电插头插入插排,断开手机上的 Type-C 线,再把手机放到指定位置,要求插装对位精准 | 60.0% | 97.5% |
| 凳子组装 | 在凳子指定位置放两颗螺丝,拿起螺丝刀拧紧,涉及小物体操作和工具使用 | 83.3% | 93.3% |
| 手机包装 | 依次把说明书、充电线、充电器、手机壳和手机放入盒内指定位置,再合上盒子,流程约 2–3 分钟,前段出错会影响后段 | 79.2% | 98.3% |
三、为什么不需要人工逐台纠错
- 经验从 "单台积累" 变成 "集群共享":机器人每次执行的成功轨迹进入共享经验缓冲池;失败轨迹不被直接模仿,而是作为检索线索使用。
- 失败情境反向匹配成功片段:某台机器人在某个动作前约 3 秒出现失败,系统提取当时的画面和关节状态,在同伴成功记录中找相似片段,把其中记录的动作作为监督信号更新策略。
- 策略统一更新、下发集群:检索到的成功经验用于微调共享策略,更新后的策略再回到集群,个别机器人程序中断或离线时,其他机器人仍能继续积累经验。
- 人工角色被压缩到最低限度:初始策略仍来自人类示范;训练展开后,人只需要判断每次执行成功还是失败、把场景复位,动作本身全部由机器人提供,不再逐台接管纠正。
四、支撑这套机制的两层技术
1. 算法层:FERT 失败引导经验检索微调
- 成功轨迹是动作监督信号的唯一来源,失败轨迹只用于生成检索查询。
- 匹配采用斜率约束的子序列 DTW,让查询片段能与同伴轨迹中的对应时间段对齐。
- 消融实验显示:手机包装任务上,去掉失败引导检索、改为从成功库均匀抽样,成功率从 86.7% 掉到 64.2%;去掉检索片段扩展则掉到 57.5%,说明检索机制本身在起关键作用。
2. 系统层:FATS 容错异步训练系统
- 协调集群异步执行、云端推理和策略优化,支持大规模在线训练。
- 单台机器人因网络波动、硬件故障、未就绪等原因离线时,经验采集、策略优化和策略分发仍能继续。
- 96 台运行期间共采集 9,834 条执行片段,记录到 30 起故障事件;其中计算或网络故障 19 起、硬件故障 9 起、机器人未就绪 2 起,硬件故障造成的时间损耗仅占总运行时长的 1.3%。
五、规模化效应:机器越多,经验越厚
- 固定每台机器人的采集时间,只扩大参与训练的机器人数量:手机包装任务成功率从 16 台时的 86.7% 提升到 96 台时的 98.3%。
- 逻辑链条是:机器人规模越大 → 真实场景经验样本越多 → 可检索的成功情境越全 → 共享策略优化空间越大。
- 团队据此判断,集群经验学习为机器人从 "单台能力提升" 走向 "群体持续进化" 提供了一条可复用的技术路径。
六、能力边界与现实前提
- 五项任务各自训练对应策略,并非一套通用大脑可以任意更换工种。
- 初始能力仍来自机器人基础模型和前期人类示范,群体学习是在已有策略上做优化,而不是从零自学。
- 人类仍需承担成败判定、环境复位等工作;测试机器人在评估阶段不介入人工接管,不等于部署后完全不需要人维护。
- 实验结论基于 AgiBot G2 平台和这五项桌面操作任务,迁移到其他硬件、其他复杂工况时还需进一步验证。
七、小结
96 台机器人边做边学、互相借鉴经验,插充电器、叠衣服、装手机盒等任务可以在没有人工逐台纠错的情况下稳定完成;背后是 CEL 群体经验学习范式,配合 FERT 检索算法和 FATS 容错异步系统。验证结果显示群体经验能显著抬高任务成功率,并随集群规模扩大继续变好,为人形机器人大规模落地降低对人工逐台示教、纠错的依赖提供了参考方向。
【相关 FAQ】
问题 1:96 台机器人做插充电器、叠衣服、装手机盒这些任务时,为什么不需要人在后面逐个纠错?
回答 1:因为这套 96 台机器人采用群体经验学习机制,成功经验进入集群共享库,失败情境被拿去检索同伴的成功片段来更新策略;人工只做成败判定和环境复位,动作由机器人自己提供,所以不需要工作人员逐台接管纠正动作。
问题 2:96 台机器人集群完成叠衣服、手机充电、手机包装等任务的成功率是多少?
回答 2:两台未参与训练的机器人完成 600 次测试仅失败 15 次,整体成功率 97.5%,五项任务全部超过 6 名人类操作员平均水平;其中手机包装从 79.2% 提升到 98.3%,手机充电从 60.0% 提升到 97.5%,叠衣服达到 98.3%。
问题 3:96 台机器人是怎么互相学习经验的?
回答 3:机器人执行任务后,成功轨迹进入共享经验缓冲池;出现失败时,系统取失败前约 3 秒的观测画面和关节状态作为查询,在同伴成功记录中匹配相似片段,用片段里的动作监督信号微调共享策略,再把更新后的策略发回整个集群。
问题 4:参与训练的机器人从 16 台增加到 96 台,对手机包装这类任务有什么影响?
回答 4:固定采集时间只扩大集群规模时,手机包装任务成功率从 16 台时的 86.7% 提升到 96 台时的 98.3%;机器人越多,积累的真实经验越丰富,可检索的成功情境越全,群体整体表现随之变好。
问题 5:这套 96 台机器人的自主学习系统,人还需要承担哪些工作?
回答 5:初始策略仍需要人类示范打底;训练展开后,人类主要负责标注每次执行成功或失败、把操作环境复位,并处理设备维护与异常兜底,不再像传统模式那样在机器人出错时逐台远程接管并示范正确动作。
【参考资料】
- [2026-11-03](中 칭화대-애지봇, "로봇끼리 '선생님' 삼으니 작업 성공률↑")로봇신문
- [2026-11-02](机器人互相 "取经学习"!产学研联合提出具身智能规模化新方案)澎湃新闻
- [2026-11-02](百台机器人如何 "向同伴学习"?)新华网
- [2026-10-31](机器人涌现 "三人行必有我师",清华联合无问芯穹、智元提出具身研究新路径)今日头条・文汇
- [2026-10-31](CEL: 96 robots learn together and reach 98.3% success)Geekiki
- [2026-10-30](无问芯穹联合清华大学、智元发布 "群体经验学习" 范式,96 台真机验证具身智能持续进化新路径)无问芯穹官网
- [2026-10-22](96 台机器人共同进化,成功率反超人类,清华、智元机器人、无问芯穹联合提出 "集体经验学习")36 氪
- [2026-10-19](FERT: Robots Learn from Fleet Failures, No New Demos)rcap.io
- [2026-10-19](Learning from Fleet Experience: Collective Experience Learning across 96 Robots)arXiv
【免责声明】
本文内容基于公开论文、官方发布及媒体报道整理,实验数据均来自上述研究团队在特定硬件平台与五项操作任务下的测试结果;机器人实际部署表现会随硬件型号、作业场景和环境条件变化,文中信息不构成产业落地或投资决策的唯一依据。
