arXiv · cs.RO· Chao Yu; Shu'ang Yu; Hao Lin; Hongzhi Zang; Yuxiang Yan; Chenxi Jiang; Zhen Guo; Chuankang Li; Yihao Chen; Xin Xu; Xu Fu; Jiakai Zhou; Liangzhi Shi; Hongyi Ren; Yiwei Liu; Jing Wu; Yuanqing Wang; Chen Wu; Bo Dai; Chunyu Yang; Hongliang Huang; Shuoyu Yue; Weiqi Yin; Yinuo Chen; Ruihua Chen; Chunyang Zhu; Han Xiao; Yanghao Li; Ruipu Wu; Zhikai Cai; Xiu Chen; Xu Tan; Si Liu; Yuchen Yan; Jialin Zhang; Wen Zeng; Yiming Zhou; Zixiao Huang; Xinlei Chen; Guanghui Ren; Quanlu Zhang; Boxun Li; Maoqing Yao; Yu Wang·· 12 天前精选AI 评分85
论文 / 摘要阅读
Collective Experience Learning：用96台机器人的部署经验改进操作策略
Learning from Fleet Experience: Collective Experience Learning Across 96 Robots
AI 导读 · 根据来源整理
论文提出 Collective Experience Learning（CEL）范式，让已部署机器人把自身执行经验汇总起来更新共享策略，再返回机群使用。作者通过失败引导经验检索微调（FERT）实现该范式，操作员只提供二值回合结果标签和环境重置，无需额外专家示范或纠正动作；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。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org