# 清华联合智元提出群体经验学习范式，96台机器人实测成功率超人类

> 原文链接：https://robotics.hellobike.com/news/2026-10-30-616adec2
> 频道：news | 更新日期：2026-10-30 | 标签：auto, rss, qbitai
> 核心摘要：清华大学联合无问芯穹与智元发布群体经验学习（CEL）范式，在96台真实机器人集群验证中任务成功率达97.5%，全面超越人类平均水平。该方案通过FATS系统与FERT算法实现机器人群体互学，破解具身智能规模化落地中专家示教资源瓶颈。

# 清华联合智元提出群体经验学习范式，96台机器人实测成功率超人类

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[从学习人类到学习机器人同伴，清华大学联合无问芯穹、智元提出具身智能规模化落地新路径](https://www.qbitai.com/2026/10/506662.html)（量子位）

## 核心内容

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，并在由96台真实机器人组成的集群中完成规模化验证。实验覆盖插花、叠衣、手机充电、凳子组装及手机包装五项任务，两台未参训机器人测试600次仅失败15次，总体成功率97.5%且全部超越6名人类操作员平均水平。其中手机包装任务成功率从79.2%提升至98.3%，验证了群体学习在复杂工业场景的有效性。

系统层基于开源框架 `RLinf` 构建容错异步训练系统 `FATS`，支持近百台机器人协同学习，96台规模下累计采集9834轮经验，30次故障仅造成1.3%机时损失。算法层提出失败引导的经验检索微调算法 `FERT`，解决长时序操作稀疏反馈难题，使机器人能从成败经验中精准优化策略。数据显示参与训练机器人从16台增至96台时，成功率由86.7%升至98.3%，证实了“机器越多越强”的规模化收益趋势。

## 关键看点

- **群体学习效果**：96台机器人集群实测五项任务成功率达97.5%，手机包装任务成功率从79.2%跃升至98.3%，全面超越人类操作员平均水平
- **容错训练系统**：基于 `RLinf` 构建 `FATS` 系统，96台规模下累计采集9834轮经验，30次硬件故障仅导致1.3%机时损失，保障百台级稳定训练
- **经验检索算法**：提出 `FERT` 算法解决长时序稀疏反馈问题，结合成功与失败经验进行微调，使机器人能从同伴历史操作中精准提取改进策略
- **规模化增益验证**：参与训练机器人数量从16台增至96台时，任务成功率从86.7%提升至98.3%，证实群体经验积累具有显著的正向规模效应

## 工程与产业观察

CEL范式将具身智能进化逻辑从依赖人类示教转向机器人群体互学，有效破解专家资源稀缺瓶颈。FATS系统与FERT算法的组合证明了百台级真实集群训练的可行性与鲁棒性，为行业提供了从单机能力提升走向群体持续进化的工程化路径，对推动具身智能规模化部署具有重要参考价值。
:::

## 原始参考来源 (Sources)

- [量子位：从学习人类到学习机器人同伴，清华大学联合无问芯穹、智元提出具身智能规模化落地新路径](https://www.qbitai.com/2026/10/506662.html)