别急着丢掉「坏数据」：三星团队提出 ε4P，让不完美数据助力高精度机器人操作
2026.10.26 · 事件 · 论文 · 媒体报道
三星提出 ε4P，按噪声区间分配不完美数据，三个真机任务成功率最高提升至 91.7%。
三星 Samsung RX Lab-China 团队提出 ε4P（Imperfection for Precision），通过控制不同数据源在 flow matching 的哪些噪声区间参与训练，把直接混训时有害的不完美数据转化为性能增益。在 ATX 24 针连接器插入、两阶段线缆插接和螺栓螺母分拣三个真机任务上，ε4P 分别将成功率提升至 80.0、88.3、91.7。
- ε4P 将不完美数据分为两类：任务匹配但精度不足（如 UMI 数据）与精度匹配但任务不匹配（如其他任务高精度遥操作数据）。
- 关键观察：低噪声区域模型更依赖带噪动作，高噪声区域更依赖任务上下文，形成 action-dominant 与 context-dominant 两个区域。
- 低精度目标任务数据准入高噪声区间，其他任务高精度数据限制在低噪声区间，模型架构与 flow-matching 目标保持不变。
- 三个真机任务结果：ATX 连接器插入 48.3→38.3→80.0，两阶段线缆插接 78.3→33.3→88.3，螺栓螺母分拣 81.7→73.3→91.7。
- 降低 UMI 数据 loss weight 均未超过仅用高精度数据的 48.3%，而 ε4P 达 73.3%；新增等量不完美数据平均成功率仅下降 4.2 个百分点。
为什么值得看
不完美数据不必丢弃，放对噪声区间即可提升机器人精细操作成功率。
适合谁关注
机器人学习、具身智能与数据策略研究者。