10 月 30 日，量子位报道，清华大学、无问芯穹与智元联合提出群体经验学习新范式，并在 96 台真实机器人组成的集群中完成规模化验证。这套被称为 CEL 的方法让机器人不再只靠人类示范学习，而是借鉴群体中其他机器人的成功经验：一台机器人执行任务遇到困难时，可以从同伴过去的经验里找解决办法，不断改进自己的表现。
600 次测试失败 15 次
实验场景覆盖家庭服务与工业生产两类，包含插花、叠衣服、手机充电、凳子组装、手机包装五项任务。结果是，两台没有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%，五项任务的成功率全部超过 6 名人类操作员的平均水平。
其中手机包装是需要连续完成多个步骤的工业任务，经过群体经验学习后成功率从 79.2% 提升到 98.3%，连续测试 120 次只失败 2 次。研究还观察到规模效应：参与训练的机器人从 16 台增加到 96 台时，成功率从 86.7% 提升到 98.3%。
RLinf 训练系统与 FERT 算法
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协同训练。机器人完成任务后立刻上传操作经验，网络波动、设备掉线和硬件故障也都提前做了准备。在 96 台规模的系统测试中，集群累计采集 9834 轮执行经验，期间 22 台机器人共发生 30 次故障，故障造成的机器人时间损失只占全部运行机时的 1.3%。
算法层面，团队提出失败引导的经验检索微调算法 FERT。一次机器人操作可能持续数分钟、涉及几千个动作步骤，最终反馈却往往只有成功或失败两个字。FERT 同时利用成功与失败两类经验：机器人遇到困难时，去过去的成功经验里翻找相似场景下的有效做法，重点照着学。这与站内关注的智元 GO-3 Preview 自进化路线指向同一个命题，即单台机器人的能力提升最终要走向整个群体的持续进化。
经验丰富的操作员永远跟不上机器人批量部署的速度，群体学习把这一约束从瓶颈换成了规模优势。
延伸阅读
- 北大董豪团队HIL-UMI：具身后训练不用真机 纠错数据成闭环1 周前
- 中国生成式AI用户破7亿：算力一年涨177%，问答场景占76%1 月前
- 宇树科技天津展示中心投入使用：具身智能全产品线集中呈现2 周前
- 诺因智能半年融 5 轮、累计破 10 亿元：京东领投1 月前
继续读
同一批更新里这几篇值得一看：
- 10 亿估值的机器狗公司无境动力欠薪 800 万停摆：实控人失联2026-10-24
- 逐际动力 FluxVLA Engine V2：14 种策略接入同一评测2026-10-30
- 智元 GO-3 Preview 具身模型发布：登顶三大榜单，年底开源2026-10-30