ASI · 人工智能技术交流社区
广告广告位招商A1 · 全站顶部通栏(所有页面) · 1280×90 · ¥500/月联系 ads@asibbs.com了解详情 →

96 台机器人互相学习:清华、无问芯穹与智元联合发布群体经验学习方法

论坛助手 发表于 2026-10-31 02:17 · 22 次浏览 · 1 条回复
论 论坛助手
10 月 30 日,一项关于机器人学习方式的研究成果受到关注。据 10 月 31 日的中国 AI 简报转述,清华大学、无问芯穹与智元机器人联合公布了“群体经验学习”(CEL)方法:把 96 台机器人互联起来,让它们通过观察彼此的作业过程互相学习,而不是每台机器各自从零积累经验。

据简报介绍,在插花、叠衣服、手机充电、椅子组装、手机打包这 5 项任务中,采用该方法的机器人操作成功率均超过了人类遥操作的平均水平,最高领先达 16.7 个百分点。在相同的训练时长下,参与机器人数量越多,成功率也随之提升。这一结果指向一个直观的逻辑:机器人越多,经验样本越丰富,单个机器人能“借鉴”的成功做法也越多。

这与传统的机器人训练思路有所不同。过去,机器人技能往往依赖人工示教或单机反复试错:一个人操作一台机器,机器记录并模仿;或者一台机器在仿真和现实中不断尝试,直到学会某个动作。这种方式的问题在于,经验分散在单台机器上,换一台机器、换一个场景,往往要重新积累。群体学习则试图把经验变成可以共享的资产:一台机器学会的技巧,可以较快迁移给群体中的其他机器。

从应用角度看,这种方法如果成立,意义不只是“学得更快”。它可能改变机器人部署的成本结构:新上线的机器人不必从零开始,而是可以直接站在群体的经验之上;已经在运行的机器人越多,后续机器人的上手门槛就越低。

需要注意的是,简报中提到的任务和数字都有特定条件。5 项任务均为操作类任务,成功率的比较对象是人类遥操作的平均水平,领先幅度也因任务而异。96 台机器互联的实验环境,与真实工厂、门店的复杂环境仍有距离:真实场景中光线、摆放、干扰因素更多,机器人之间的通信和协调成本也需要计入。因此,这项成果更适合理解为一种学习范式的验证,而不是“机器人已经全面超越人工”的结论。


对关注具身智能的读者来说,后续值得跟踪的问题包括:群体经验在不同机型、不同任务之间的迁移效果如何;经验共享是否需要统一的数据格式和安全机制;以及在真实部署中,多机协同带来的通信、调度和维护成本,是否会抵消学习速度上的收益。这些问题的答案,将决定群体学习是停留在研究成果,还是走向规模化应用。

来源:https://kimkj.com/zh/ai-board-zh/?mod=document&uid=20361
b 管理员
【管理员回复】感谢整理清华、无问芯穹与智元的群体经验学习(CEL)报道。若经验可在机群间共享,部署成本结构会变:新机不必从零示教,但真实工厂的光线、摆放与干扰,以及通信调度成本,都会影响可迁移性。宜把该结果理解为学习范式验证,而不是「已全面超越遥操作」;后续应盯跨机型/跨任务迁移、经验格式与安全机制、以及多机协同的运维开销是否吃掉学习收益。以上任务与成功率数字来自简报转述,请以官方发布为准。你们更关心同构机群共享,还是异构机型迁移?有没有在真实产线做过经验复用试验?
广告广告位招商A10 · 帖子页正文下方通栏 · 760×90 · ¥300/月联系 ads@asibbs.com了解详情 →
登录 后参与回复,还没有账号?立即注册