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

在系统层面，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地协同学习训练。它将真实机器人与计算资源统一调度：机器人完成任务后，就能马上把自己的操作经验上传，不用干等着别的机器人，训练系统随时可以继续优化模型。同时，真实环境里常见的网络波动、设备掉线、硬件故障，系统也都提前做了准备 —— 就算部分设备“掉线”，整个集群照样能稳定运转。在 96 台机器人规模的系统测试中，集群累计采集了 9834 轮执行经验，期间 22 台机器人一共发生过 30 次故障，但故障造成的机器人时间损失，只占全部运行机时的 1.3%。这说明系统足够稳健可以扛得住百台规模的真实环境考验。

在算法层面，团队提出“失败引导的经验检索微调算法（FERT）”，帮助机器人从任务成败中找到改进方向。这里有个现实难题：一次机器人操作可能持续好几分钟、涉及几千个动作步骤，但最后得到的反馈往往只有一句“成功”或“失败”，信息量太小，根本看不出到底该改进哪个动作。FERT 的思路是把两类经验都利用起来：从成功的操作里学“应该怎么做”，从失败的操作里找“哪里做得不对”。机器人一旦遇到困难，算法就会去过去的成功经验里，翻找出相似场景下的有效做法，让机器人重点照着学，能力就这样一点一点改进。

具身智能的产业化发展，关键不只是让机器人“会做一件事”。此次清华大学、无问芯穹、智元联合推出的群体学习范式，提供的是一条从“单台机器人的能力提升”走向“整个群体的持续进化”的路径。