CoRL 2026 | 忆生科技×香港大学提出 RoboLineage：一个有“记忆”的机器人学习闭环

如果机器人学习有族谱，那就是 RoboLineage

——一条可追溯的进化链

教机器人一项新技能，常常要来回做很多轮：采集示范、训练模型、上机测试，再根据结果继续调整。每次测试留下的视频、每轮训练用过的数据、每个模型版本，都可能影响下一步怎么做。

可在实际工作中，这些信息往往分散在不同人的记录和不同工具里，上一轮为什么这样做，未必能完整地带进下一轮。

忆生科技联合香港大学等机构提出 RoboLineage，让智能体（agent）按一套共同的工作标准，组织和推进机器人学习的完整流程，并把每一轮的证据、判断与结果留给后续工作使用。

相关论文已被机器人学习国际会议 CoRL 2026 收录。

让智能体接手整套学习工作

让智能体接手这套工作，能够减少人工在不同工具和环节之间反复整理、确认的时间。更重要的是，整套流程可以遵循共同的工作标准。智能体结合执行画面、任务要求和历史记录理解当前情况，再调用数据处理、训练和评估工具，接续完成各阶段的工作。

RoboLineage 将这一思路贯穿完整流程：从机器人与任务接入，到采集组织、数据审查、训练准备，再到模型版本管理、评估和下一轮安排。

每个智能体都要明确自己负责什么、读取哪些输入、交付什么结果；做出判断时，要留下依据，也要说明不确定之处。结果经过检查，才能交给后续环节。

▲图1 | 论文Teaser©【深蓝具身智能】编译

有了这样的约定，不同任务仍然可以保留各自的成功条件，不同机器人和学习器也可以使用各自的配置与适配方式。

同时，判断依据怎样记录、数据怎样获得训练资格、训练结果怎样对应到模型版本，都有一致的处理方式。

各阶段有了共同的标准，还需要知道彼此做过什么。审查结果要能找到对应的执行，数据选择要能找到审查依据，训练、模型和评估也要连在一起。

RoboLineage 把这些工作连成持续更新的工作状态，供各阶段的智能体读取、更新，并带入后续轮次。

这正是名字中 lineage（谱系）的含义：一项结果从哪里来，经历过哪些处理，又影响了什么。

沿着这些联系，可以从一个模型找到对应的训练数据，再找到数据来自哪次执行、为什么获准训练；也可以从一次测试失败，回看当前模型的训练背景和此前的改进过程。系统总览呈现了各环节的衔接，图中的百分比仅作流程示意。

▲图2 | 论文系统主图©【深蓝具身智能】编译

这些联系也决定了后续工作怎样继续。

每轮训练前，系统固定所选数据和相关配置；训练得到的模型，与本次输入、训练记录及它所继承的模型版本关联起来。数据转换为另一种学习器需要的格式时，仍保留与原记录的联系。测试结果再与对应模型关联，成为判断下一步的依据。

Master Agent 在此基础上汇总当前状态和此前历史，整理待解决的问题，形成下一步建议。

各阶段共享的这段学习经历，也就形成了 RoboLineage 的“记忆”：前面的判断和结果，能够继续被后面的工作使用。

具体到一次操作，首先要回答的是：这段数据是否值得用于训练。

以叠积木为例，机器人已经把积木搬到目标上方，释放时仍可能滑落。中途看起来顺利，最后几帧却可能改变审查结论。判断一段执行，需要同时理解任务标准、执行过程和最终状态。

RoboLineage 将执行记录的处理安排在三条线上。原始画面和机器人状态持续采集；在线视觉快照智能体（VSA）标记关键动作和风险；本次采集及在线处理结束后，异步审查再结合关键片段、最终状态和前后过程进行复核。

模型响应较慢时，原始采集仍照常进行，异步审查也可以与后续采集重叠。

▲图3 | 论文三线机制©【深蓝具身智能】编译

执行结果与数据用途分别处理。

审查留下结论和证据，数据治理再按任务规则决定是否纳入训练。证据不清楚的记录交给人工复核；有诊断价值的失败可以留在失败池，用于分析缺口和安排补采。这样，一次失败也能为后续学习留下有用的信息。

同样的工作标准延续到训练和评估。

智能体检查既有学习器需要的数据格式，准备适配信息，跟踪训练与模型版本，再整理测试结果。策略训练仍由已有的学习器完成，流程中的选择、输入和结果则在 lineage 中保持关联。

操作员通过前端查看这些工作：回看执行画面，检查审查引用的证据，复核或修改数据用途，以及准备训练、比较模型和查看补采建议。人工确认及修改也会留下记录，后续智能体据此继续工作。界面预览中的实时画面区域以占位图呈现。

▲图4 | 操作员工作台©【深蓝具身智能】编译

论文在三组机器人与既有学习器上检验这套流程：ARX 上的 ACT 风格策略、Realman 上的 Diffusion Policy，以及 GALBOT G1 上的 VLA／LeRobot 风格工作流。

任务涉及抓取、放置、容器操作和抽屉开合等场景。

▲图5 | 真实任务九宫格©【深蓝具身智能】编译

首先需要检验的是，系统能否可靠地判断数据用途。

在 25 个任务、500 条执行记录的基准上，按操作员修改前的结果，完整系统对数据使用去向的判断与专家共识的一致率为 96.4%，直接视频审查对照为 79.6%。在专家判定应拒绝的 194 条记录中，误纳入主训练集的比例由 16.0% 降至 2.1%。两种方法使用相同的执行记录和审查模型。

证据怎样组织，也会影响判断。

仅约束输出格式时，误纳入比例为 11.3%；去掉对最终观察和终末状态的重点检查，比例为 6.2%；把视觉快照与原始帧合并为一次审查、取消分包处理，比例为 4.6%。完整系统为 2.1%。这些消融结果支持了流程中证据处理方式的作用。

判断可靠之后，再看日常迭代需要多少人工投入。

完成机器人和训练框架接入后，12 组配对实验每轮处理 30 条执行记录。训练前需要人工投入的时间由平均 130.2 分钟降至 54.3 分钟，减少约 58.3%。物理采集时间基本相同，节省主要来自审查、准入整理和训练准备。这一测量包含实际操作和阻塞等待，不含一次性硬件接入、适配器开发调试及 GPU 训练时间。

▲图6 | PPT15人工时间对比©【深蓝具身智能】编译

整理出的数据还需要支撑后续训练。

在 8 个任务上，每个任务使用同一批 100 条候选记录，两种流程各选 60 条示范，采用相同训练设置，并各测试 60 次。人工专家流程与 RoboLineage 流程的平均成功率分别为 93.1% 和 92.7%。在这些设置下，减少例行人工投入的同时，训练得到的策略表现与人工专家流程接近。

一轮流程顺利完成之后，还有一个更长远的问题：此前的经历，能否让下一轮学习少走些弯路？

当前失败说明模型还差在哪里，前几轮的记录则能告诉系统，哪些场景补过数据，模型随后有哪些变化，还有什么问题没有解决。智能体将这些信息一起用于下一轮采集安排。

积木堆叠的例子展示了这种变化。

最初，失败集中在覆盖不足的起始位置，需要补充这些位置的成功抓取示范。抓取改善后，机器人又会在放置尚未稳定时提前松手，补采重点便转向对齐、停稳和释放。再往后，剩下的困难变成夹爪迟迟不松开，需要补充及时释放和干净撤离的示范。

▲图7 | 失败到补采©【深蓝具身智能】编译

研究在积木堆叠和开抽屉两个任务上检验闭环补采。各方法分别进行三次独立运行，每次三轮；每轮增加 30 条获准训练的示范，并用 30 次诊断测试分析失败。三轮后，每次运行再对最终策略进行独立的 60 次测试。

其中，一个对照在补采规划时“仅使用本轮信息”：同样保留当前轮的视觉快照、结束后审查和数据覆盖摘要，但不读取此前补采计划、历史数据状态及此前模型的评估结果。按三次独立运行的最终测试均值，积木堆叠上，该对照与 RoboLineage 的成功率分别为 70.0% 和 83.3%；开抽屉上分别为 66.7% 和 78.9%。

实验还比较了随机补采、按失败阶段补采等方法，并以人工专家指导作为参照。在这两个任务中，跨轮历史帮助系统选择了更有效的补采方向。

▲图8 | 闭环补采结果©【深蓝具身智能】编译

目前，论文在三组已配置的机器人与学习器上评估了审查和例行流程，并通过两个任务检验了定向补采。操作员仍参与不确定情况的复核和关键决定的确认；跨任务经验迁移与长期自主运行还需要进一步验证。

随着机器人学习的任务增多、迭代加快，怎样组织这一过程，也会成为能力提升的一部分。

RoboLineage 让智能体按共同标准接续整套工作，lineage 则把每次判断与相关数据、模型版本联系起来。

一次迭代结束，留下的依据、选择与结果仍能参与下一次学习。机器人在继续学，教它的过程也能积累经验。

论文题目：RoboLineage: Agent-Native Data Lifecycle Governance Across Robot Policy Iterations（CoRL 2026 收录）

作者：Qian Luo、Wentao Guo、Zhennan Qin、Nanchun Guo、Yunhan Zhao、Yi Ma、Yanchao Yang

机构：忆生科技（TranscEngram）、香港大学（The University of Hong Kong）、北京理工大学（Beijing Institute of Technology）

论文链接：https://arxiv.org/abs/2606.22142

项目主页：https://robolineage.github.io/

来源：深蓝具身智能