你让一群机器人包装手机。第一台把盒盖放歪了，第二台也可能犯同样的错，因为它们通常只执行同一套既定规则，不会自动交换教训。人可以远程接管并示范正确动作，但机器人越多，盯着它们的人也得越多。
这篇论文想打破这种线性关系：让部署中的机器人汇总成功、失败和人工标注的结果，共同更新一套策略。这里的“策略”（policy），就是机器人看到现场状态后决定下一步动作的规则。标题所说的“实战经验”，指现实环境里的操作经验，并非军事或对抗行动。
作者把这套思路称为 collective experience learning（CEL，集体经验学习）。在五项真实操作任务中，论文报告更新后的策略达到 93.3%—99.2% 的成功率。最醒目的例子是多阶段手机包装：96 台机器人参与学习后，成功率从 79.2% 升至 98.3%。不过，本文所有方法与数字均来自这篇论文，尚无独立复现或第三方信源印证。
失败不负责示范，只负责指出该学什么
CEL 的关键实现叫 FERT，即 failure-guided experience retrieval fine-tuning，可译作“失败引导的经验检索微调”。微调是在已有模型上继续训练；检索式微调则先从历史记录中挑出最相关的材料，再拿这些材料训练。
它的思路并不复杂。机器人每完成一次任务，就留下整段执行轨迹，包括看到的画面、自身关节状态和采取的动作。人只需标记这一轮最终成功还是失败，并重置现场。成功轨迹进入共享经验库；失败轨迹的动作不会被模仿，而是变成一道检索题。
比如，一台机器人在合上包装盒时失败。FERT 会截取失败前最多约三秒的观察，避开最后约三分之一秒可能已经失真的画面，再去成功记录中寻找场景和机器人姿态相近的片段。找到后，系统提高这些成功动作被抽中训练的概率。相似失败反复出现，相关成功片段就会得到更多学习权重；旧的优先级则逐渐衰减。
这像错题复习，但答案并非由老师重新写一遍。错题只告诉系统薄弱点在哪里，答案来自其他机器人已经做对的记录。论文用视频特征表示现场，也纳入机器人的关节状态，避免只看画面相似、却忽略机械臂姿态不同。检索时还允许动作快慢略有差异，只要求过程顺序大体对齐。
这一步是否真的重要？作者在同一项手机包装任务上做了对照实验：使用 16 台机器人时，完整方法的成功率是 86.7%；去掉失败引导的检索，只回放成功经验，成功率降至 64.2%。这支持了论文的核心判断：经验多还不够，还要知道当前最该复习哪一段。
人没有消失，只是不再逐次教动作
FERT 不需要在后续学习中额外收集专家示范或人工纠正动作，但这不等于无人参与。初始策略仍可由专家数据建立；论文实验中，操作员还要判断每轮是否成功，并负责重置环境。变化在于，人不必持续监看每一步，也不用在每次失败时接管机器人、示范正确动作。
这对舰队规模尤其重要。遥操作就是人远程控制机器人；人工纠正则是在模型出错时演示更合适的动作。两者都有效，却很难随着机器人数量同步扩张。CEL 试图让动作监督来自舰队自己已经完成的成功执行，从而把人的工作压缩为结果标注和现场维护。
论文还固定每台机器人的采集时间，比较不同舰队规模。机器人越多，总经验越多；在作者测试的规模范围内，FERT 的成功率总体随之提高。这里的“总体”很重要：论文并未证明增加机器人必然带来单调提升。
让一台停机，不拖住整支舰队
共享经验还需要一套能长期运转的基础设施。作者提出 FATS，即 fault-tolerant asynchronous training system（容错异步训练系统）。它把机器人执行、云端推理和策略训练拆开运行：某台机器人暂停复位、充电或维修时，其余机器人继续采集；训练完成的新策略再分发回舰队。
FATS 的数据部分名为 SwarmLink。它汇集各台机器人的推理请求，并在云端拼装训练轨迹。交互请求优先，因为机器人必须及时拿到下一步动作；体积更大的训练数据则分块传输，尽量不挡住执行。控制部分 HotSwarm 负责发现故障、重启局部工作进程，并识别重启前遗留的过期消息。
论文描述的最大部署包含 96 台机器人、6 台云服务器和一条 30 Gbps 的边缘—云连接。在这次运行中，故障事件影响过 22 台机器人，平均每 22 分钟就有某台机器人被中断。作者用这些数据说明，容错不是锦上添花：舰队一大，局部故障会成为日常状态。
为什么值得关注
这项工作的意义不只是一组更高的成功率，而是改变了机器人部署与学习之间的关系。过去，部署往往像考试：模型训练完再上场，现场失败只能等待下一轮人工改进。CEL 把部署本身变成持续产生教材的过程。一台机器人遇到的问题，可以调用另一台已经做对的经验；更新后的共同策略又回到舰队，产生下一轮数据。
实验也特意在未参与训练数据采集的机器人上测试：五项任务各做 120 次，平均分配到两台同平台机器人。这说明训练舰队的经验至少能帮助同一平台的其他机器实例。但它并不能证明策略已经跨机器人型号、跨场景或经受长期部署。
局限与未知
- 所有效果数字均由作者报告。93.3%—99.2% 的成功率、96 台规模实验及相关对照结果都缺少独立复现。
- 测试机器人虽未参与数据采集，但仍属于同一平台。论文材料没有证明方法能够跨硬件、跨任务环境泛化。
- 系统减少的是新增专家动作监督，并未取消人工结果标注、环境重置、设备维护和初始策略训练。所谓“越用越可靠”，目前应理解为作者在这些任务和条件下展示出的学习闭环，而非已经普遍验证的规律。