AgiBot und Tsinghua trainieren 96 Roboter mit eigener Erfahrung: 98,3 Prozent Erfolg

Die Tsinghua-Universität, der Humanoidenhersteller AgiBot und Infinigence AI haben am 30. Oktober Collective Experience Learning (CEL) vorgestellt, ein Verfahren, das eine gemeinsame Roboterstrategie aus den Ausführungen der eigenen Flotte verbessert statt aus neuen Expertendemonstrationen.

Das geht aus dem arXiv-Preprint 2610.25736 und der von 36Kr wiedergegebenen Ankündigung von AgiBot hervor. Bediener markieren nur Erfolg oder Misserfolg und setzen die Szene zurück; das Modul FERT sucht anhand von Fehlschlägen passende Abschnitte erfolgreicher Durchläufe, das fehlertolerante System FATS verbindet Roboter, Cloud-Inferenz und Training.

Bei fünf realen Aufgaben erreichten die Strategien laut Paper 93,3 bis 99,2 Prozent Erfolg, gemessen in je 120 Versuchen auf Robotern, die keine Trainingsdaten gesammelt hatten. Beim mehrstufigen Verpacken von Smartphones stieg die Quote mit 96 statt 16 Trainingsrobotern von 86,7 auf 98,3 Prozent.

Den von 36Kr gemeldeten Vorsprung von bis zu 16,7 Punkten vor sechs menschlichen Teleoperatoren nennt die Zusammenfassung nicht. MEKAWIRE-Kontext: AgiBot meldete am 24. September seinen 20.000.

Roboter, also die Flottengröße, auf die solches Lernen angewiesen ist.