# 96 台机器人在同一个车间互相学：CEL 把「人不够用」换成了「机器越多越强」，代价写在 1.3% 里
> 96 台真机、9834 轮经验、22 台出过 30 次故障、机时损失 1.3%。这组数字里最该被记住的不是 97.5% 的成功率，是那 1.3%——它第一次把「机器人自己教自己」的账，算到了设备可靠性的层面。
### TLDR
- **一句话版本**：清华大学联合无问芯穹、智元提出群体经验学习（CEL）范式，让机器人不再主要靠人示范，而是共享同伴的成功与失败轨迹；在 **96 台**真实机器人组成的集群中完成规模化验证。
- **成绩单**：两台**未参与训练**的机器人在插花、叠衣服、手机充电、凳子组装、手机包装五项任务上跑 **600 次**，成功 **97.5%**（即失败 15 次），五项均超过 6 名人类操作员的平均水平。
- **最能说明问题的一项**：多步骤的手机包装任务从 **79.2%** 升到 **98.3%**，连续 **120 次**测试只失败 2 次。
- **规模化增益**：参与训练的机器人从 **16 台**增至 **96 台**，同等训练时长下成功率从 **86.7%** 升到 **98.3%**。
- **被忽略的成本项**：96 台规模测试中集群累计采集 **9834 轮**执行经验，**22 台**机器人共发生 **30 次**故障，故障造成的机时损失占总运行时长 **1.3%**。
- **判断**：CEL 真正卖的不是一个算法，是一笔账——把「示教人力」换成「设备机时 + 调度系统」。它成立的前提是机器人足够便宜、故障足够可容忍，这两条目前都还写在各家自己的财报里。
### SRC
事实来自 **2026-10-30** 同日、同一信源口径的四家媒体报道交叉核对：科技日报（https://www.stdaily.com/web/gdxw/2026-10/30/content_605641.html ）、光明网科技频道（记者战钊）、上海证券报·中国证券网（记者宋薇萍）、新浪《预见·科技》栏目。四家给出的核心数字完全一致：96 台集群、五项任务、600 次测试成功率 97.5%、手机包装 79.2%→98.3%、16→96 台对应 86.7%→98.3%、9834 轮经验、22 台 30 次故障、1.3% 机时损失、FATS 与 FERT 两个组件。差异在于：新浪稿多给出「最高反超人类操作员 16.7 个百分点」与「突破 HG-DAgger 依赖人类示教的上限」两句，前三家未提，本文按单一来源标注处理。
**素材时间窗**按本批规定为**当日 09:00 → 19:00（2026-10-30 09:00–19:00）**，四家报道均在该窗口内；范式本身在上海 **10-30** 发布，属窗口内事件，无需扩窗。
**不确定边界**：①97.5% 的分母是「5 个固定任务 × 600 次」，属封闭任务集内的稳定性测试，**不是开放式泛化**，报道未做陌生任务、陌生场景的零样本测试；②「五项均超过 6 名人类操作员平均水平」中，人类操作员的熟练度、测试次数、计时口径均未披露；③16→96 台只有两个数据点，报道未给中间点、未给误差带，不足以支撑「Scaling Law」表述，本文不采用该提法；④「1.3% 机时损失」的分母是「全部运行机时」，报道未说明是否含故障机排队等待时间；⑤FATS 基于开源框架 RLinf 构建，但系统代码、数据是否开放未披露；⑥本文第 3 节关于「9834÷96」「30÷22」的算术为作者推算，不代表官方口径。文中判断以「判断：」开头。文末版权与免责声明由模板自动附加。
### BODY
这条新闻如果只读标题，会读成又一个「机器人学会了自己教自己」的故事。但把四家报道的数字并排放，会发现真正有信息量的地方在最后一段——96 台机器人在测试期间坏了 30 次，机时损失 1.3%。
一、97.5% 的分母是什么
先说清楚成绩单的边界。被测试的是两台没有参与训练的机器人，这在方法论上是对的——如果拿参与训练的机器去测，测的只是记忆。测试任务是插花、叠衣服、手机充电、凳子组装、手机包装五项，共 600 次，失败 15 次。
但「两台没参加训练的机器人」跨的是「同一集群内的泛化」，不是「陌生环境里的泛化」。它们和那 96 台共用同一批物料、同一套工位布局、同一类任务定义。判断：这足以证明群体经验可以迁移到同型号、同场景的新机器上，但还不足以证明它能让机器人去干一件没人干过的活。
手机包装那一项是唯一带工序结构的任务，也是提升幅度最大的一项：79.2% → 98.3%，120 次只失败 2 次。多步骤任务最怕误差累积，五个步骤各 95% 串起来只剩 77%——这正是多数长流程任务在真机上做不起来的原因。判断：从 79.2% 到 98.3% 的价值不在那 19 个百分点，在于它说明长时序任务的失败可以靠「检索同伴的失败经验」被定位，而不是靠人反复纠错。
二、16 台到 96 台：两个点画不出一条曲线
报道给出的规模化结论很诱人：同等物理训练时间下，参与学习的机器人从 16 台增至 96 台，成功率从 86.7% 升到 98.3%。这句话指向的是「机器人越多越强」——一个对整机厂极其友好的叙事，因为它把「卖得多」和「产品变好」绑在了一起。
同为手机包装任务成功率，仅两个数据点，中间规模未披露
要提醒的是：这是两个点。没有 32 台、48 台、64 台的中间数据，没有置信区间，也没有说明 96 台集群的训练时长是否真的与 16 台严格对齐（同时跑 96 台，工程上极难做到「同等时长」）。判断：把它读成「规模越大越好」是合理的直觉，但把它读成「已经验证了具身智能的 Scaling Law」就过头了——一条曲线要至少三个点才画得出来。
三、1.3% 才是这篇论文的题眼
现在回到那个容易被跳过的数字。96 台规模测试中，集群累计采集 9834 轮执行经验；期间 22 台机器人一共发生 30 次故障；故障造成的机时损失，只占全部运行机时的 1.3%。
做一道除法：9834 ÷ 96 ≈ 102 轮/台；30 ÷ 22 ≈ 1.36 次/台。也就是说，在这个测试里，平均每台机器人跑了一百来轮、坏了一次多一点，而系统把坏机带来的损失压到了 1.3%。
这个数字之所以重要，是因为真机集群训练最贵的从来不是电费，是「坏机、排队、和等人修」。一台机器人卡住不动，它在队列里占的位置会让后面所有机器人的训练样本都等着。FATS（容错异步训练系统）解决的正是这件事：基于开源强化学习框架 RLinf 构建，把机器人当成和 GPU 同等的训练资源统一调度，机器人做完任务就上传经验，不必等同批全部完成；网络波动、设备掉线、硬件故障都被当成常态处理。
判断：CEL 这套东西的真正卖点，不是「机器人互相教」，而是「把示教人力换成了设备机时加调度」。前者是一个算法故事，后者是一笔能进财务报表的账——人教一次的成本是工资，机器跑一轮的成本是折旧加电费。这笔账能不能算平，取决于两个数：单台机器人够不够便宜，以及 1.3% 这个故障损失率在真实产线里能不能守住。实验室里 22 台坏 30 次可以重启，产线上坏一次可能就是一次停线。
四、人类的角色被改成了「判卷」
四家报道都提到同一个变化：人的角色从「提供动作、协助探索」转向「结果判定」。这句话在工程上的含义比听起来更硬——它意味着人不再需要会做那个动作，只需要能判断做成了没有。
这是一条真正的门槛下降。当下具身智能落地最卡的环节不是模型不够大，是会做某道工序的人本来就不多，还要被拉去当示教员。新浪稿把这层意思挑明了：这套模式适合小体量实验室验证，一旦扩展到上百台机器人，人力示教就会变成性能天花板，CEL 要突破的正是 HG-DAgger 这类依赖人类接管的方案在规模上的上限。
算法侧对应的是 FERT——失败引导的经验检索微调。它同时用成功轨迹（告诉机器人该怎么做）和失败场景（告诉机器人该往哪改）。判断：这个设计比单纯「模仿成功」更贴近工业现实，因为工业场景里失败样本往往比成功样本多，而失败样本过去基本被丢掉。
需要说清一条边界：这套方法成立的前提是任务可判定——手机包装、凳子组装、插花，做成没做成一眼能看出来。换成「陪老人聊天」「展厅讲解」这类没有明确成功判据的任务，结果判定这一环就断了，CEL 的闭环也就断了。这也是为什么五项任务全部落在有明确完成态的操作类场景里。
五、谁买得起 96 台
最后一个现实问题：96 台真机同时在线训练，是一件很贵的事。按当前工业级人形机器人整机成本量级估算，光是设备占用就是一笔数千万级的资产；再加上场地、运维、电力，这套验证只可能由三类主体做得起——整机厂自己、有政府或产业基金支持的联合体、以及有大量自有设备的场景方。
这次的三方分工恰好就是这三类：清华出学术、无问芯穹出 AI 基础设施、智元出整机与真实场景。判断：这个组合本身就是答案——CEL 短期内不会是一个「开源就能用」的方法，而是一个「有 100 台以上在役机器人的人才用得起」的方法。对绝大多数只有几台、几十台设备的中小集成商，它的意义在于指明方向，而不是明天就能抄的作业。
事实来源：科技日报、光明网、上海证券报·中国证券网、新浪，均 2026-10-30。百分比的除法与推算由作者完成，判断以「判断：」标出。
---
*来源：神机百见-具身解读 · https://www.shenjibailian.com/jiedu/article/cel-96-robots-16-to-96-scaling-1-3pct-downtime/*