想象一位深耕汽修领域二十年的老师傅，带着刚入行的学徒。老师傅经验老到，可倘若学徒连螺丝刀都握不稳，那些“听声辨位”的绝技，讲得再透彻也是徒劳——徒弟根本领悟不了。然而，一旦学徒练熟了基本功，老师傅的经验便会瞬间点石成金，推动徒弟的技艺飞速精进。等到徒弟接近出师时，老师傅再多经验，能带来的提升也渐渐有限了。

在机器人学习领域，同样隐藏着一个几乎如出一辙的故事。

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。这项研究揭示了一个反直觉的现象：在机器人硬件升级后，此前耗费心力采集的“老数据”并非拿来即用，而是需要等新硬件“练到一定火候”，才会突然爆发价值——且价值远超预期。

^{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中执行任务，离不开大量示教数据（即人工手把手引导机器人操作的数据）。但现实是，机器人硬件始终在迭代：摄像头换成视野更广、画质更清晰的新款，夹爪换成更灵活的新设计。

问题由此产生：这些改动会直接改变机器人“看到的画面”和“动作的执行方式”。因此，每一次硬件升级，都会带来一个棘手的实际问题——

之前在旧硬件上投入大量人力与资金采集的示教数据，还能用于新机器人吗？

一个自然的想法是：将海量老数据与少量新硬件上采集的新数据混合训练（即“co-training / 共同训练”），让老数据“扶一把”新机器人。学界此前的工作（如 RoboNet、BridgeData）确实表明，旧数据能降低新场景的数据采集成本。

但这些工作尚未回答一个更关键的问题：硬件更换后，老数据是否从一开始就有用？ 迁移学习的经验反而提示：当新旧环境差异过大时，老数据不仅可能无用，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”，而是存在“开窍时刻”

团队在一个轮式人形机器人平台上开展了系统性实验——跨越两代硬件，摄像头和夹爪均进行了更换，但机器人整体形态保持不变。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）}

• 仅用新数据训练的策略

• 老数据 + 新数据共同训练的策略

结果令人意外。以 “插花” 这一精细操作任务为例：

• 当新硬件数据仅有4.3小时、机器人自身成功率仅为 10% 时，加入老数据共同训练，成功率纹丝不动，仍是10%——老数据完全未发挥作用；

• 但当新硬件数据增至15.6小时、机器人自身成功率提升至23.3%时，同样加入17小时老数据，成功率骤然跃升至86.7%——一举提升了63.4个百分点！

也就是说，新机器人自身能力的一点点提升，就能让老数据从“毫无用处”变为“点石成金”。

将不同任务与不同数据量下的结果汇总，一个清晰的“三阶段规律”逐渐浮现：

1. 第一阶段（新机器人能力极低）：老数据毫无帮助，加与不加无区别；

2. 第二阶段（能力跨越某个临界点）：老数据带来的收益急剧爆发，效果显著；

3. 第三阶段（能力接近满分）：老数据的边际收益开始递减。

这个从“无用”到“突然有用”的跳变，团队称之为“涌现式迁移”（Emergent Transfer）。它与大语言模型领域熟知的“涌现能力”“grokking（顿悟）”现象极为相似——只不过这里的“顿悟”，并非靠堆叠模型规模或训练时长触发，而是随着新硬件自身任务能力的提升而自然显现。

^{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”与背后的两套机制

团队用一个关键概念来刻画这一跳变：迁移阈值 τ(T)（transfer threshold）。

通俗而言，它相当于“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越任务相关的阈值时，老数据才会开始发挥作用。

• 阈值之下：新策略连任务的基本结构都未掌握，即便给它再多老数据的“高级经验”，它也不知如何运用；

• 阈值之上：新旧数据的学习方向（梯度）开始“对齐”，老数据的经验能够顺畅迁移，收益随之暴涨；

• 接近满分时：可提升的空间本就有限，老数据的边际价值自然下降。

团队进一步从理论层面给出了解释，核心包括两套机制：

• 梯度对齐（Gradient Alignment）：解释了“老数据何时开始发挥作用”——当新旧数据的梯度方向足够一致时，共同训练才不会相互冲突，反而能彼此增益；

• 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”——当策略已足够确定时，老数据能补充的信息便所剩无几。

有什么用？一条“看火候下菜”的数据采集策略

这一规律最实际的价值，在于指导我们如何合理分配数据采集预算。

过去人们默认“数据越多越好”，一上来就大规模采集新硬件数据。但本研究提出了一条更高效的 “相位感知（phase-aware）数据采集策略”：

先仅采集新硬件数据，直到新机器人的能力跨越迁移阈值；然后再引入老数据开展共同训练。

换言之——先让徒弟练到“开窍”，再请老师傅出手，效果与性价比最佳。

团队在一个全新的、此前未用于推导规律的“移动双臂浇花”任务上验证了该策略：

• 按照相位感知策略，仅需采集 1.5 小时的新硬件数据（而传统做法需要 8 小时）；

• 任务成功率从 40.0% 提升至 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而言，意义深远。

^{图4：移动双臂浇花任务。相位感知策略将新数据需求从8小时压缩至1.5小时，成功率从40.0%升至78.3%。}

总结

本研究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，核心贡献可归纳为三点：

1. 发现三阶段迁移规律：老数据在新硬件能力低时无用、跨越阈值后收益爆发、接近满分时收益递减，并提供了统计层面的支持；

2. 提出迁移阈值 τ(T) 与理论解释：通过梯度对齐与策略残余不确定性，阐明了老数据“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：先采集新数据跨越阈值，再引入老数据共同训练，在浇花任务上将新数据需求从8小时压缩至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领域，本研究回答了一个既基础又实用的问题：面对硬件升级，我们究竟该在何时、以何种方式，去复用那些昂贵的历史数据。

作者简介

该工作产自千寻智能后训练团队，该团队承担千寻智能Manipulation Model的后训练与强化学习工作。团队核心成员来自清华大学、北京航空航天大学、苏黎世联邦理工学院等高校，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。