清华等机构提出集体经验学习范式，96台机器人共享经验提升操作成功率

清华大学、智元机器人与无问芯穹联合团队提出集体经验学习（CEL）范式，旨在解决机器人集群规模扩大后人工监督难以跟进的问题。该范式通过失败引导的经验检索微调（FERT）和容错异步训练系统（FATS），让已部署的机器人共享执行经验、共同改进同一个策略。

FERT利用机器人执行失败时的上下文，从集群共享的成功经验中检索相关轨迹片段，并将其中记录的动作作为监督信号更新策略，无需额外收集专家示范或纠正动作。FATS则采用双平面架构，确保在个别机器人因故障或维护中断时，经验采集、策略优化与策略分发仍能持续进行。

在手机包装、插花、叠衣服等五项真实世界操作任务中，参与评估的机器人均未参与训练数据采集，最终策略成功率达到93.3%至99.2%。其中，在多阶段手机包装任务中，使用96台机器人进行学习后，任务成功率从79.2%提升至98.3%。研究团队表示，集体经验可成为可扩展的机器人学习基础，随着部署规模扩大，经验供给同步增长，无需专家监督同比例扩张。