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。
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com
