想象一位干了二十年的汽修老师傅，带一个刚进门的学徒。老师傅经验丰富，但如果学徒连螺丝刀都拿不稳，老师傅那些 "听声音就知道哪里坏了" 的绝活，讲了也是白讲 —— 徒弟根本接不住。可一旦徒弟练熟了基本功，老师傅的经验就会突然变得点石成金，让徒弟的水平一路飙升。等到徒弟自己都快出师了，老师傅再多的经验，能带来的提升也就有限了。
机器人学习里，藏着一个几乎一模一样的故事。
近日，千寻智能高阳团队的最新研究 《When Does Legacy Data Start to Help? Emergent Transfer in Cross-Configuration Robot Learning》（老数据何时开始 "帮上忙"？跨配置机器人学习中的涌现式迁移）正式公开。这项工作揭示了一个反直觉的现象：在机器人硬件升级后，此前辛苦采集的 "老数据" 并不是拿来就有用，而是要等新硬件 "练到一定火候"，才会突然开始发挥价值—— 而且价值大到惊人。
图1：跨配置共同训练的三阶段规律
- 论文标题：When Does Legacy Data Start to Help? Emergent Transfer in Cross-Configuration Robot Learning
- 论文链接：https://arxiv.org/abs/2607.25593
- 项目主页：https://xuezhiai123.github.io/legacy-data-transfer/
一个真实又昂贵的难题：
硬件一升级，老数据就 "作废" 了？
机器人要在真实世界里干活，就离不开大量的示教数据（人手把手教机器人怎么做的操作数据）。可现实是，机器人硬件一直在迭代：摄像头换成视野更广、更清晰的新款，夹爪换成更灵活的新设计。
问题来了：这些改动会直接改变机器人 "看到的画面" 和 "手上的动作方式"。于是每一次硬件升级，都会带来一个让人头疼的现实问题 ——
之前在旧硬件上花了大量人力、金钱采集的示教数据，还能用在新机器人身上吗？
一个很自然的想法是：把海量的老数据，和少量新硬件上采集的新数据混在一起训练（称为 "co-training / 共同训练"），让老数据 "扶一把" 新机器人。学界过去的工作（如 RoboNet、BridgeData）也确实表明，旧数据能降低新场景的数据采集成本。
但这些工作都没回答一个更关键的问题：硬件一换，老数据是不是从一开始就有用？迁移学习的经验反而提示我们：当新旧两边差异太大时，老数据不但可能没用，甚至会拖后腿、干扰学习。
反直觉的发现：
老数据不是 "越多越好"，而是有个 "开窍时刻"
团队在一个轮式人形机器人平台上做了系统性实验 —— 跨越两代硬件，摄像头和夹爪都换了，但机器人整体形态不变。他们对比了两种策略的表现：
图2：真实机器人实验平台与操作任务（插花、插笔等精细操作）
- 只用新数据训练的策略
- 老数据 + 新数据共同训练的策略
结果非常出人意料。以 "插花" 这个精细操作任务为例：
- 当新硬件数据只有 4.3 小时、机器人自己只能做到10%成功率时，加上老数据共同训练，成功率纹丝不动，还是 10%—— 老数据完全没帮上忙；
- 但当新硬件数据增加到 15.6 小时、机器人自己能做到23.3%时，同样加上 17 小时老数据，成功率直接飙升到 86.7%—— 一举提高了 63.4 个百分点！
也就是说，仅仅是新机器人自身能力的一点点提升，就让老数据从 "毫无用处" 变成了 "点石成金"。
把不同任务、不同数据量下的结果汇总起来，一个清晰的 "三阶段规律" 浮出水面：
1.第一阶段（新机器人能力很低）：老数据毫无用处，加了也白加；
2.第二阶段（能力跨过某个临界点）：老数据的收益急剧爆发，带来巨大提升；
3.第三阶段（能力接近满分）：老数据的边际收益又开始递减。
这个从 "没用" 到 "突然有用" 的跳变，团队称之为 "涌现式迁移"（Emergent Transfer）“。它和大模型领域大家熟悉的 "涌现能力""grokking（顿悟）"现象很像 —— 只不过这里的" 顿悟 "，不是靠堆模型规模或训练时间触发的，而是随着新硬件自身任务能力的提升而触发的。
图3：三阶段相变曲线。迁移阈值 τ(T) 标出了老数据开始产生显著收益的临界点。
为什么会这样？一个 "迁移阈值" 和背后的两套机制
团队用一个关键概念来刻画这个跳变：迁移阈值 τ(T)（transfer threshold）。
通俗地说，它就是 "徒弟必须先掌握的基本功水平"—— 只有当新硬件策略自身的成功率跨过这个任务相关的阈值，老数据才会开始帮上忙。
- 阈值之下：新策略连任务的基本结构都没学会，给它再多老数据的 "高级经验"，它也不知道怎么用；
- 阈值之上：新旧数据的学习方向（梯度）开始 "对齐"，老数据的经验能顺畅地迁移过来，于是收益暴涨；
- 接近满分时：能提升的空间本就不多了，老数据的边际价值自然下降。
团队进一步从理论上给出了解释，核心是两套机制：
- 梯度对齐（Gradient Alignment）：解释了 "老数据何时开始帮上忙"—— 当新旧数据的梯度方向足够一致时，共同训练才不会互相打架，反而能相互增益；
- 策略残余不确定性（Residual Policy Uncertainty）：解释了 "老数据的收益为何在接近满分时递减"—— 当策略已经很确定时，老数据能补充的信息就所剩无几了。
- 有什么用？一条 "看火候下菜" 的数据采集策略
这个规律最实在的价值，是能指导我们该怎么花钱采数据。
过去大家默认 "数据越多越好"，一上来就大规模采集新硬件数据。但这项工作给出了一条更聪明的 "相位感知（phase-aware）数据采集策略"：
先只采集新硬件数据，直到新机器人的能力跨过迁移阈值；然后再引入老数据做共同训练。
也就是说 ——先让徒弟练到 "开窍"，再请老师傅出手，效果和性价比最高。
团队在一个全新的、没被用来推导规律的 "移动双臂浇花" 任务上验证了这套策略：
- 按照相位感知策略，只需采集1.5 小时的新硬件数据（而按过去的做法需要8 小时）；
- 任务成功率从40.0%提升到78.3%。
用不到 1/5 的新数据采集量，换来了成功率的大幅提升—— 这对于动辄需要大量人工示教、成本高昂的真实机器人场景来说，意义重大。
图4：移动双臂浇花任务。相位感知策略把新数据需求从 8 小时压到 1.5 小时，成功率从 40.0% 升到 78.3%。
总结
这项工作系统性地揭示并刻画了跨配置机器人学习中的 "涌现式迁移" 现象，核心贡献可以概括为三点：
1.发现三阶段迁移规律：老数据在新硬件能力低时无用、跨过阈值后收益爆发、接近满分时收益递减，并给出了统计层面的支持；
2.提出迁移阈值 τ(T) 与理论解释：用梯度对齐和策略残余不确定性，讲清了老数据 "何时开始有用" 以及 "为何后期收益递减"；
3.给出可落地的数据采集策略：先采新数据跨过阈值、再引入老数据共同训练，在浇花任务上把新数据需求从 8 小时压缩到 1.5 小时。
对于正走向大规模真实世界部署、且硬件不断迭代的具身智能来说，这项工作回答了一个既基础又实用的问题：面对硬件升级，我们究竟该在什么时候、以什么方式，去复用那些昂贵的历史数据。
作者简介
该工作产自于千寻智能后训练团队，该团队承担起千寻智能Manipulation Model的后训练和强化学习工作。该团队团队成员来自清华、北航、苏黎世联邦理工等高校，多位拥有博士学位。团队背景覆盖大模型、具身智能与自动驾驶，核心成员曾任职于百度、小米等企业，长期深耕模型后训练，兼具算法研究与工程落地经验。
热门跟贴