机器人技能学习长期依赖人类示教，数据采集成本高、难以规模化，成为制约具身智能落地的关键瓶颈之一。10月30日，智元联合清华大学与无问芯穹，发布了一种名为群体经验学习（Collective Experience Learning，CEL）的新范式，尝试从机器人群体内部寻找经验来源。

CEL的核心思路是让机器人同伴之间互为经验来源，不再完全依赖人类示教数据，从而绕开人工采集环节的规模化限制。按照发布方的表述，这一范式旨在解决人类示教难以支撑大规模机器人学习的结构性问题。

在验证环节，研究团队动用了96台真机进行测试。结果显示，集群规模越大，任务成功率越高，这一趋势为群体经验学习的有效性提供了实测支撑。

对具身智能行业而言，CEL提供了一条不同于单机示教的数据获取路径：当机器人数量的增长能够直接转化为学习效果的提升，规模化部署本身就可能成为模型能力迭代的驱动力。该范式的后续表现，仍有待更多场景与更大规模集群的检验。