大晓机器人首席科学家陶大程教授发布技术博客，围绕具身智能里一个核心难题展开讨论：当一台机器人在抓取、操作任务里犯错之后，怎么沉淀这份失败经验，给其他机器人复用，避免反复试错。文章用抓取水杯打滑作为典型案例，机器人虽然调整位置之后完成抓取，但传统方案只会留下简单日志、成功标签，说不清打滑成因、调整手段的适用边界，换杯子、换夹爪、换另一台机器人，同类失误还会重复上演。陶大程提出，真正可迁移的经验不能只是动作记录，必须把失败背后的原因、证据、适用条件、不确定性一起打包保存，依托大晓 “双脑协同” 架构实现经验沉淀与跨机器人复用：SenseNova 云端大脑负责任务理解、技能组织、失败复盘，开悟世界模型负责物理状态预判、动作后果仿真预测，再由具身 Harness 框架串联感知、记忆、控制模块，形成 “试错 — 复盘沉淀 — 分发经验 — 新机器人验证优化” 的闭环，降低新机器人、新场景真机试错成本。下面整理双脑分工、经验沉淀流程、新旧思路对比、这套路线的价值与挑战。
一、本次技术文章核心信息清单
- 作者：陶大程（澳大利亚科学院院士、大晓机器人首席科学家）
- 文章主题：具身智能经验迁移，机器人失败经验跨本体复用
- 核心案例：抓取水杯时接触面打滑的抓取失败任务
- 核心架构：双脑协同（SenseNova 大脑 + 开悟世界模型）+ 具身 Harness
- 核心观点：失败经验需要附带适用边界，而不是简单记录成功 / 失败标签
- 目标：减少多机部署时重复物理试错，降低具身智能真机训练代价
二、两种机器人经验处理思路对比表
| 方案 | 经验记录形式 | 迁移能力 | 短板 |
|---|---|---|---|
| 传统日志记录 | 只存动作序列、成功 / 失败标记 | 很弱，无法判断经验适用条件 | 换物体、夹爪、环境就失效，反复踩相同坑 |
| 陶大程提出的可复用经验方案 | 记录失败诱因、调整方案、证据、适用范围、不确定性 | 支持跨机器人、同类任务迁移 | 需要世界模型、复盘模块配套，工程复杂度更高 |
三、双脑协同各自分工明细
- SenseNova 云端大脑：理解任务目标、拆解子任务、挑选可用技能；任务失败之后复盘，判断是目标设定问题、技能选择问题还是感知偏差，整理需要沉淀的经验条目
- 开悟世界模型：预测物理交互结果，判断接触、摩擦、滑移这类物理风险，预判哪些动作大概率会失败，提前规避风险
- 具身 Harness：统一调度感知、记忆、控制，把沉淀的经验下发到新机器人，在新环境验证经验是否有效，再把新的反馈回传更新经验库
四、失败经验沉淀、复用完整步骤
- 机器人执行任务，发生抓取打滑、碰撞等失败事件
- 系统采集视觉、力控、动作序列数据，定位失败根源，比如摩擦不足、接触点不合适
- 双脑协同提炼经验，标注这条经验适合的物体类型、夹爪、光照条件，写明边界和不确定性，存入经验库
- 新机器人接到同类任务时，优先检索经验库，避开已知高风险动作，优先使用经过验证的抓取策略
- 新机器人在现场验证这条经验，如果有效就强化；如果失效，记录失效场景，反向更新经验库的适用条件
五、该技术路线的价值与现存挑战
- 价值：物理世界真机试错成本高、还有损坏风险，经验共享之后，集群机器人分摊探索代价；加速新机器人、新场景适配；让具身智能从单台独立学习走向群体累积学习
- 挑战：物理场景变化维度太多，很难完整覆盖全部边界条件；不同机器人本体、夹爪硬件差异会带来动力学偏差；经验库持续扩张之后，检索、匹配、校验的开销会持续上升
【相关 FAQ】
问题 1：陶大程教授这篇文章里，一台机器人的错误怎么传给另一台机器人？
回答 1：依靠双脑协同体系，机器人失败之后，系统不只是保存日志，而是提炼带适用条件的经验，存入共享经验库；新机器人执行相似任务时检索经验，避开已知错误动作，完成经验传递，让另一台机器人少走弯路。
问题 2：陶大程教授讲的双脑协同，SenseNova 和开悟世界模型分别负责什么？
回答 2：SenseNova 负责任务理解、技能组织和失败复盘，开悟世界模型负责物理状态、动作后果预测，两者配合，才能把一台机器人的错误转化为可供其他机器人复用的经验。
问题 3：陶大程提出的这套经验迁移思路，和普通机器人模仿学习差别在哪？
回答 3：普通模仿学习大多只模仿成功动作；陶大程重点强调沉淀失败经验以及经验的适用边界，不是单纯复刻动作，新机器人会先判断场景是否匹配，避免直接照搬导致再次出错。
【参考资料】
[2026-11-06]（一台机器人犯过的错，怎样让另一台少走弯路？）DAMO 开发者矩阵
[2026-11-06]（从一次滑移到可复用经验：大晓 “双脑协同” 如何让机器人少走弯路）腾讯新闻
[2026-11-07]（陶大程教授最新技术文章：一台机器人犯过的错，怎样让另一台少走弯路？）机器之心
[2026-11-07]（大晓陶大程分享具身「双脑协同」思考）财经涂鸦
【免责声明】
本文内容基于陶大程教授公开技术博文整理，观点属于学术探索方向，不代表已经量产落地的成熟产品能力；经验迁移、双脑协同的实际效果受硬件差异、场景复杂度影响；相关技术落地进展、产品参数请以大晓机器人官方发布为准。