**无需人工干预：机器人集群共享经验实现高效集体学习**

_Learning from Fleet Experience: A Collective Learning Paradigm for Robots_

> 针对机器人部署中依赖人工纠正的局限性，研究提出了“集体经验学习（CEL）”范式。该范式通过失败引导的经验检索微调（FERT），利用机器人自身的失败案例从集群共享的成功经验中检索相关轨迹片段作为监督信号，从而无需额外专家演示即可优化策略。配套的异步训练系统（FATS）解决了大规模集群中的协调问题。实验表明，该方法在五项真实操作任务中成功率高达 93.3%-99.2%，且随着集群规模扩大，策略可靠性显著提升，为可扩展的机器人学习提供了新路径。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-20 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.25736)