机群学习 / 部署中学习

让一批已部署的机器人边干活边采数据，共同持续改进同一个策略。

机群学习指多台同时部署的机器人把自主执行记录、失败和人工接管数据汇集起来更新共享策略，再下发新策略，形成数据飞轮，让「部署」本身成为训练的一部分。伯克利 Goldberg 团队的 Fleet-DAgger（CoRL 2022）提出「交互式机群学习」设定：多台机器人没把握时向少数远程人员求助，人的纠正用于模仿学习。部署中学习更强调强化学习：2026 年智元（AGIBOT Finch）与上海创智学院等团队提出 LWD 框架，把机群采回的自主推演和人工干预数据用于离线到在线强化学习，持续后训练 VLA。

例子LWD 在 16 台双臂机器人组成的机群上验证了 8 个真实操作任务（含语义理货上架和 3–5 分钟的长程任务），单个通用策略随机群经验积累，平均成功率达到 95%。

也叫

机队学习、交互式机群学习、Interactive Fleet Learning、IFL、LWD

相关

数据飞轮、数据回流、人在回路、DAgger（数据集聚合）、离线到在线强化学习、真机强化学习

来源

Fleet-DAgger: Interactive Robot Fleet Learning with Scalable Human Supervision (arXiv:2206.14349)
Learning While Deploying: Fleet-Scale Reinforcement Learning for Generalist Robot Policies (arXiv:2605.00416)

信息截至

2026-09