机器人数量换成能力增量：这条曲线要看哪四个口径｜洹拓科技
一、四个口径先摆出来
先按公开报道把讨论对象锚定。据公开报道，一所高校与两家企业（公开报道为清华大学、无问芯穹、智元）联合提出群体经验学习范式，在由近百台真实机器人组成的集群上完成规模化验证：实验共五项任务，涵盖家庭服务与工业生产，分别是插花、叠衣服、手机充电、凳子组装、手机包装；参与训练的机器人从 16 台增到 96 台时，一项任务的成功率从 86.7% 提到 98.3%；其中需要连续完成多步骤的手机包装任务，成功率从 79.2% 提到 98.3%，连续 120 次测试失败次数从 25 次降到 2 次；两台未参加过训练的同型号机器人在这些任务上完成 600 次测试、失败 15 次，总体成功率 97.5%，五项任务各自的成功率全部超过 6 名人类操作员的平均水平；集群累计采集 9834 轮执行经验，期间 22 台机器人发生 30 次故障，故障造成的机器人时间损失占全部运行机时的 1.3%；系统层面基于一个大规模强化学习训练开源框架（公开报道为 RLinf）构建容错异步训练，把真实机器人与计算资源统一调度。这些读数只用来确定本篇讨论的是哪一类系统，不是本篇任何判断的依据，本篇的判断全部建立在口径能不能落到字段上。
这套东西的动机值得抄下来：机器人可以成百上千台批量部署，而能提供示范与纠错的熟练操作人员无法同步增产；具身智能训练主要还是靠人类操作示范与人工纠错，这条曲线一旦真的成立，它替代的不是算力而是人的带教时间。一家海外机构也公开表达过同类判断：机器人起初需要人类采集的高质量示范建立基础能力，能力成熟后可以在真实世界自主试错、用自己采集的数据继续迭代。两句合起来才是这套系统的真实卖点，而它能不能被客户写进合同，取决于下面四个口径。
问题在于，甲方拿到这组数字之后能不能写进验收条款，取决于四个口径能不能各自落成可检查的字段。四个口径是：经验单位口径，一次执行经验到底是什么；故障损失口径，按台次还是按机时；曲线横轴口径，规模与成功率这条曲线的横轴是不是同样的墙钟时间；测试主体口径，被拿来证明泛化的那几台机器人要满足哪几条。四个口径落不成字段，这组数字就只能当研究结论读；落成了，才谈得上写进采购与验收。
二、口径一：一轮执行经验到底是什么
谈数量之前必须先定义“一轮执行经验”。同一个词至少对应三种对象：一次完整的任务尝试，不管成败；一段轨迹片段，把一次尝试按时窗切成若干段；一段被判定为成功的轨迹，失败的部分不进训练集。三者入库单位、计量成本与可复用范围完全不同，必须先选一种再统计。
| 经验对象 | 单位 | 由谁判定 | 是否含失败片段 | 能否跨机复用 |
|---|---|---|---|---|
| 完整任务尝试 | 一次从起态到终态的闭环 | 规则判定终态是否达成 | 含，失败尝试也计入 | 能，但需带工位与物体信息 |
| 轨迹片段 | 固定时窗或固定步数的一段 | 不判定成败，只判定边界 | 含 | 能，复用价值取决于上下文是否完整 |
| 判定成功的轨迹 | 一条通过成功判定的完整轨迹 | 规则、外部标注或模型自评 | 不含 | 最适合作为共享对象，但风险也最大 |
跨体共享把选错口径的代价放大了。集群里若一部分按“完整尝试”计数、另一部分按“判定成功的轨迹”计数，同一批物理动作既进了一次尝试的账，又进了一次成功样本的账，合起来的总条数在涨、吞吐在涨、收益读数也在涨，实际新增的信息量没有涨。经验单位是这套系统里第一个必须写进方案的字段，不是数据库设计的细节：它决定“采集了多少经验”这句话有没有可比性，也决定后面所有规模收益的算法有没有共同分母。
三、口径二：故障损失按台次还是按机时
同一段运行里，按台次的账和按机时的账说的是两件事。台次口径数的是有多少台、发生了多少次，它对应的是运维投入、备件消耗与现场人力；机时口径数的是故障占掉了多少可用运行时间，它对应的才是训练吞吐。两个口径都该有，但如果只能留一个用来对齐训练进度，留机时。理由是训练真正消耗的是可用机器人的运行时间：一台长时间挂起与十台各挂一瞬间，在故障次数上分别是“一”和“十”，在吞吐上的影响却是另一种排布，只报台次会把“少数设备反复重启”和“多数设备短暂掉线”混成同一个数。
故障四段是可填的字段组，不是口头描述：
| 段 | 要落的字段 | 为什么要留 |
|---|---|---|
| 发生形态 | 网络波动、设备掉线、硬件故障三选一，并记是否可复现 | 形态决定该轮经验能不能补救，可复现性决定是否算系统性问题 |
| 由谁发现 | 集群侧监控、工位操作员、机器人自身上报 | 三种来源的漏报率差别很大，来源不进账，故障统计就有系统性偏差 |
| 当轮经验能否续传 | 已采集部分能否落盘、能否补齐、还是整轮作废 | 这一格直接决定机时损失与样本损失是不是同一件事 |
| 恢复动作与耗时 | 重启、换件、重新标定，占用的时长与是否阻塞工位 | 没有耗时与阻塞标记，机时账就算不出来 |
这里最容易被省掉的是“由谁发现”与“恢复耗时”两栏。前者不记，就会默认监控看到的即全部故障；后者不记，机时口径就退化成“大约”。一次集群测试里省掉这两栏，后面任何一次关于可靠性与吞吐的讨论都要重做。
四、口径三：规模曲线的横轴是什么
“参与规模从较小一档增到近百台，成功率随之抬升”这条曲线，横轴是参与规模，不是经验条数，也不是墙钟时长。这三者经常被混着讲：规模变大时经验条数自然变多，但真正被证明的是“同样的时间投入下，更大规模的集群带走了更高的成功率”。来源里那句“同样的实际训练时间”是在声明横轴的归一化方式，不是结论：它只说明两个端点之间没有靠多花时间换经验，它不说明规模与成功率之间的因果，也不排除工位分配、任务切换顺序、故障处置快慢带来的差异。
把这条曲线转成采购依据之前，必须问到的东西是五件：
- 分母：成功率的分母是任务尝试次数、工位轮次还是测试次数；
- 任务集：两个端点用的是同一批任务、同一批物体与同一批工位，还是各自挑了表现好的；
- 判定者：成功由规则判定、外部标注判定还是模型自评，判定逻辑有没有随规模变化；
- 是否含返工：一次抓取失败后重来的动作算在同一轮里还是算新一轮，这条会同时改变分母与失败率；
- 同型号还是跨本体：读数来自同型号批量，还是覆盖了不同本体之间的差异。
五件里任何一件没固定，这条曲线就只能读作趋势，不能读作“每增加一台机器人带来多少能力增量”的单位产出。任务集合、失败判据、工位与物体摆放三者在端点之间保持一致，是“规模化收益”这个词成立的前提，而不是实验细节。
五、口径四：测试主体与对照口径
那两台“未参加过训练”的机器人是整套论证里最吃紧的一环。它的意义在于把结论从“参与训练的那些机器变好了”往前推一步，推到“没有参与过的机器带着这套策略也能用”，也就是泛化。边界同样清楚：它们是同型号，因此这组读数没有覆盖跨本体差异。
要让这句话进验收，“未参与训练”必须写成三条可查的判据：该主体不出现在训练机时清单里；它提供的示范与纠错没有进入训练集；测试工位与物体摆放对它而言未经见过。落进合同的做法不是要求供应商承诺，而是要求随验收包提交三份证据：训练机时清单、数据来源登记、测试工位与物体清单，三者与验收主体的编号能对上才算通过。
用人类操作员平均值做对照时，要固定的是三项：那几名操作员是熟练工还是平均水平、是否同一批任务与同一节拍、是否允许返工。这三项固定不了，“超过人类平均”这句话就不能进合同；即便全部固定，读数也只对这五项任务与该实验口径成立，不能写成“机器超过人类”的通用结论。
跨体共享还引入一个新风险：一条被误判为成功的经验会被多台复用，错误因此被放大，而放大之后不再有第二个人去现场纠正它。要落成三件可核对的东西：成功判定的来源是规则、外部标注还是自评；判定有没有可回放证据，也就是能否把那一条经验重新放一遍并复现结论；某一次能力变化能不能归因到某一批经验。错误信念在智能体之间如何传染是一个公开的研究方向，本篇只把它作为风险列出，不作为结论，也不涉及其实验设置。
六、曲线背后的工程代价与我们的交付顺序
容错异步训练是这条曲线能立起来的工程前提，而它自带两笔账。第一笔是样本世代：经验上传与策略更新解耦、机器人完成任务后马上上传而不等其他机器，样本上带的就是旧策略的世代标识。样本过期程度必须落在可检查字段上，也就是样本产生时刻、所用策略版本、被消费时刻三段时戳齐不齐。三段齐了，才能讨论这批样本对当前策略的偏移有多大；不齐，“不用干等着其他机器人”这句话就只是一个吞吐说法，指标好看不等于训练正确。
第二笔是降级语义。“部分设备掉线时整个集群仍可运转”要写成显式选择：是丢弃该样本，是进重放队列等待补齐，还是继续用现有样本更新。三种选择在指标上的后果不同，丢弃影响样本量，重放影响时延与新旧配比，继续更新影响偏移，必须由配置决定而不是运行时随机；至于这一层的分档细节，站内已有讨论，本篇不重复，只把它列为集群训练的可检查项。
真机与算力统一排队时，优先级是可直接配置的，写成两条策略就够看清后果：一条是可用机器人优先占算力，离线样本排队等待，适用于真机时窗稀缺、样本可以慢慢补的场景；另一条是离线样本优先，机器人接入按窗口分配，适用于训练需要尽快收敛、真机可以短时闲置的场景。谁先占资源，直接决定故障机时算在谁头上，也决定了第三节那张故障四段表里的耗时字段该向谁归因。
洹拓给客户做具身或工业 AI 试点时，顺序是先建三样东西再谈规模收益：经验单位的定义与登记表、故障四段台账、样本世代的三段时戳字段。这三样没建起来，任何关于“机器越多越强”的读数都只能当宣传材料处理；建起来之后，四个口径各自对应一组字段，验收谈判的问题也就从“你的成功率是多少”变成“你要的是哪条曲线、哪个口径、分母是谁”，后者才是可以签的。