让机器人互相当老师，96 台一起学

教一台机器人叠衣服，老师傅要示范几十遍。要是有九十六台呢？按现在的做法，答案是凑一个同样大的操作员班组。清华、无问芯穹和智元这次提的思路换了对象：不主要教人，让机器人互相学。

一、发生了什么

三方联合提出了一套叫群体经验学习的方法，缩写 CEL，并在 96 台真实机器人组成的集群上跑完了验证。核心机制是「经验检索」：一台机器人在某个任务上卡住时，系统会去同伴过去的操作记录里翻找相似场景下的成功做法，拿回来做微调，再继续试。测试选了五项任务，插花、叠衣服、手机充电、凳子组装、手机包装，家庭服务和工业场景各占一部分。

结果里最硬的一组数字是这个：两台完全没有参与训练的机器人做了 600 次测试，失败 15 次，总体成功率 97.5%，五项任务全部高于 6 名人类操作员的平均水平。手机包装这项工业任务，成功率从 79.2% 提升到 98.3%，连续 120 次只错 2 次。另一组更有意思：参与训练的机器人从 16 台增加到 96 台，同一任务的成功率从 86.7% 升到 98.3%。

工程侧的数字同样值得看。团队基于开源强化学习框架 RLinf 搭了一套容错异步训练系统，机器干完一段活就能把经验传回去，不用等其他人。96 台规模的测试里，集群累计采了 9834 轮执行经验，期间 22 台机器人出过 30 次故障，因故障损失的机时占全部运行时间的 1.3%。

二、跟你有什么关系

做机器人本体的：过去客户问「你这台能干什么」，现在可以多问一句「这九十六台的数据能不能回流到同一套策略里」。集群规模本身就是一条护城河，因为经验是攒出来的。

做训练场和数据采集的：这套方法把「人不够用」这个卡点绕开了一半。人不增产，机器可以增产，采集的边际成本结构变了。

只是看新闻的：97.5% 是五项任务、固定工位、固定物体的结果。把它当成「机器人通用能力已达 97.5%」会读错一整年。

三、怎么判断这类成果

1. 先看任务清单。五项任务是不是属于同一个动作家族，决定了增益能不能迁移到别的场景。叠衣服和插花共用一套抓取原语，和搬运纸箱就不共用了。

1. 再看人类基线怎么设的。原文给的是 6 名操作员的平均水平，没说是新手还是熟练工。基线定得松，超越就来得容易。

1. 看故障率的口径。1.3% 是系统层面的机时损失，不等于产品层面的可用性，中间还差着售后、备件和现场维护。

1. 看有没有可复现的路径。论文、代码、数据集三样里至少要有一样公开，否则只能当方向参考。

四、三个别信的说法

「机器人已经能自我进化了。」 这套方法里没有一步是机器人自己定义目标的。任务是人选的，成功判据是人写的，经验库也是人搭的系统在管。它优化的是「怎么把这件事做得更稳」，不是「该做什么事」。

「机器越多越强，所以多买就对了。」 16 台到 96 台的增益，前提是所有机器人在同一批场景族里干活。换个车间、换批货，经验库的命中率会掉下来，得重新攒。规模带来的是同分布内的效率，不是跨分布的泛化。

「超过人类平均，就能替人了。」 600 次测试是受控条件。真实产线上有来料波动、有节拍压力、有非标件，这些都不在测试集里。人类平均值也不是熟练工的上限。

五、一句话结论

群体学习先解决的是「教不过来」，它离「比人强」还有一段路，但这段路的方向是对的。

信息来源

• 量子位：清华联合无问芯穹、智元提出群体经验学习，2026 年 10 月 30 日

功能与价格以官方公告为准。本文写于 2026 年 10 月 31 日。