从车队经验中学习：跨96台机器人的集体经验学习
研究提出集体经验学习（CEL）范式：已部署机器人汇集自身执行经验，用于更新共享策略并回传车队，无需额外专家演示或纠正动作。其实现方式为失败引导的经验检索微调（FERT），并配套容错异步训练系统（FATS）协调机器人执行、云端推理与策略优化。在五个真实操作任务上，策略成功率达 93.3%–99.2%（每任务 120 次试验，评估机器人未参与训练数据采集）；多阶段手机包装任务中，96 台机器人将成功率从 79.2% 提升至 98.3%。
发布于 10-22 13:01来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Learning from Fleet Experience: Collective Experience Learning Across 96 Robots》查看原链
arXiv:2610.25736v2 公告类型：替换 摘要：机器人部署会产生可用于策略改进的经验，但持续依赖专家纠正动作使得学习难以在规模不断扩大的机器人车队中扩展。 我们提出从车队经验中学习：将已部署机器人自身的执行作为进一步策略改进的监督来源。
我们将这一范式称为集体经验学习（CEL），其中机器人汇集执行经验以更新共享策略，并将更新后的策略返回车队。 在专家监督初始化之后，我们通过失败引导的经验检索微调（FERT）实现 CEL。 FERT 利用失败上下文从成功轨迹中检索相关片段，并优先将其记录的动作用于监督更新，无需收集额外的专家演示或纠正动作。
操作员提供二元回合结果标签和环境重置。 容错异步训练系统（FATS）在局部中断情况下协调机器人执行、云端推理和策略优化。 在五个真实世界操作任务中，所得策略在每任务 120 次试验上达到 93.3-99.2% 的成功率，评估所用机器人未参与训练数据收集。
在每台机器人采集时间固定的情况下，更大的车队提供更多经验，并在所评估的规模范围内总体提升性能。 在多阶段手机包装任务上，使用 96 台机器人学习将成功率从 79.2% 提升至 98.3%。 这些结果支持 CEL 作为一种可扩展方法，通过部署期间产生的经验提升机器人策略可靠性。