Tsinghua University, Infinigence AI, and AgiBot propose CEL collective experience learning, with 96 robots verifying a 97.5% success rate

新民晚报记者获悉，近日， 清华大学、无问芯穹与智元联合提出群体经验学习 （CEL） 新范式，并在96台真实机器人组成的集群中完成规模化验证。 CEL让机器人可以不只依靠人类示范学习，还能借鉴群体中其他机器人的成功经验：一台机器人在执行任务时遇到困难，可以从同伴过去的经验中寻找解决方法，不断改进自己的表现。通过共享和积累经验，机器人群体能够在持续实践中共同提升能力，为推动机器人的自主进化和规模化应用提供了新的技术路径。 让机器人成为彼此的“老师” 随着具身智能逐渐从实验室走向真实世界，机器人要在越来越复杂的环境里干活。想让它干得好，关键是要让它不断积累真实世界的经验。当前普遍的做法，是靠人“教”：要么人一遍遍做动作示范给它看，要么它做错了，人再手动纠正。 但这里存在一个核心问题：机器人可以成百上千台地批量部署，而经验丰富的操作人员却没那么多，不可能跟着机器人一起“增产”，这已经成为具身智能发展的一大卡点。 CEL的思路，是让机器人换个学习对象——不主要靠人教，而是靠学习“同伴”。一台机器人在实践中摸索出来的成功经验，能沉淀下来让整个机器人群体共享、复用。这样，机器人不用一直等着人来教，而是可以从群体不断积累的经验里，自己学习和成长。 随着机器人越来越多，群体积累的经验就越来越丰富，再通过一套统一的学习机制持续优化策略，机器人的能力就能越用越强、越干越聪明。 近百台机器人“组团学习” 真实场景的测试进一步验证了CEL的学习效果—— 实验场景中既有家庭服务也有工业生产，具体包括插花、叠衣服、手机充电、凳子组装、手机包装五项任务。结果相当亮眼：两台没参加过训练的机器人做了600次测试，只失败了15次，总体成功率97.5%，而且五项任务的成功率，全部超过了6名人类操作员的平均水平。 其中手机包装是一项需要连续完成多个步骤的工业任务。经过群体经验学习后，机器人在这项任务上的成功率从79.2%提升到了98.3%，连续测试120次只失败了2次。这说明学到的策略在复杂任务上不仅管用，而且够稳定。 研究还观察到一个 “机器越多越强” 的规模化趋势：当参与训练的机器人从16台增加到96台，成功率从86.7%提升到了98.3%。也就是说，在同样的实际训练时间里，参与训练的机器人规模越大，能积累的真实经验就越多，而这些经验又能持续转化为学习收益，让整个群体越来越聪明。 产学研协同探索产业化新未来 具身智能的产业化发展，关键不只是让机器人“会做一件事”。此次清华大学、无问芯穹、智元联合推出的群体学习范式，提供的是一条从“单台机器人的能力提升”走向“整个群体的持续进化”的路径。 新民晚报记者关注到，它首先解决的是一个一直卡住具身智能发展的障碍——“人不够用”。过去机器人能力提升，高度依赖经验丰富的操作人员持续示教、人工纠错。而人是稀缺资源，永远跟不上机器人批量部署的速度。群体学习让机器人彼此学习，局面便彻底不同：机器人越多，经验积累得越快，能力提升得越快，“人不够用”的瓶颈，变成了“机器人越多越强”的规模优势。 更难得的是，这次联合本身就是产学研协作的最佳注脚。清华大学处于学术前沿，无问芯穹是AI基础设施的领头企业，而智元则拥有整机与真实场景——三方各出所长，恰好补上了从“论文里的方法”到“产线上的能力”之间最难走的一段路，让前沿算法不再停留在论文里，而是一路跑进了真实世界。 而这次验证的，更是一条完整的链路：真实场景产生经验，群体学习沉淀能力，规模化部署反哺更多场景。这条链路一旦跑通，其他企业、其他场景都能直接借鉴，整个具身智能产业的成长路径，都会因此更加清晰。