千寻智能团队：机器人跨硬件迁移存在“涌现式迁移”临界点
机器人换硬件后，老数据要等新模型能力达标才突然生效，用不到1/5的新数据就能大幅提升成功率。
机器人硬件升级后，辛苦采集的老数据并非立刻有用。千寻智能高阳团队发现，只有当新硬件自身能力跨过某个临界点时，老数据才会突然发挥巨大价值，成功率可从23.3%跃升至86.7%。这一“涌现式迁移”规律可指导更高效的数据采集策略。
正文摘录
.jpg)  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。