清华联合无问芯穹、智元提出具身智能规模化落地新路径

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。

随着机器人越来越多，群体攒下的经验就越来越厚，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。 真实场景的测验进一步验证了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。 CEl能真正落地，靠的是“底层系统”和“上层算法”两头一起发力。

在系统层面，团队基于大规模强化学习训练开源框架RLinf构建了“容错异步训练系统（FATS）”，支持近百台机器人持续稳定地协同学习训练。 它将真实机器人与计算资源统一调度：机器人完成任务后，就能马上把自己的操作经验上传，不用干等着别的机器人，训练系统随时可以继续优化模型。 同时，真实环境里常见的网络波动、设备掉线、硬件故障，系统也都提前做了准备——就算部分设备“掉线”，整个集群照样能稳定运转。

在96台机器人规模的系统测试中，集群累计采集了9834轮执行经验，期间22台机器人一共发生过30次故障，但故障造成的机器人时间损失，只占全部运行机时的1.3%。 这说明系统足够稳健可以扛得住百台规模的真实环境考验。 在算法层面，团队提出“失败引导的经验检索微调算法（FERT）”，帮助机器人从任务成败中找到改进方向。 这里有个现实难题：一次机器人操作可能持续好几分钟、涉及几千个动作步骤，但最后得到的反馈往往只有一句“成功”或“失败”，信息量太小，根本看不出到底该改进哪个动作。

FERT的思路是把两类经验都利用起来：从成功的操作里学“应该怎么做”，从失败的操作里找“哪里做得不对”。 机器人一旦遇到困难，算法就会去过去的成功经验里，翻找出相似场景下的有效做法，让机器人重点照着学，能力就这样一点一点改进。 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。 它的价值，也远不止于技术本身。 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，能力长得越快，“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。

清华大学是学术前沿，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。 这次验证的，也不只是一套算法，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，都会因此清晰很多。

当机器人不再只是各自干活的执行单元，而能成为彼此学习、共同进步的群体，规模化部署就不再只是能力应用的终点，也有望成为能力持续进化的起点。 这不仅是机器人学习方式的转变，更是具身智能从技术验证走向产业落地的一次真正破局。