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

在电子产品装配线上，将连接器插到主板上，看似简单，却要求在有限的生产节拍内准确、稳定地完成。面对零点几毫米的接口间隙，细微偏差就可能让连接器卡住，造成装配失败或零件损伤。

要让机器人学会这样的精细操作，最直接的办法是采集目标任务的高精度示范。但每增加一种任务，都需要重新采集大量高质量数据。与此同时，我们手上往往有着大量 "不完美" 数据：一些展示了正确任务，却达不到所需的动作精度；另一些动作足够精确，却来自不同任务。

如何利用这些已有数据，减少对专门采集的高精度示范的依赖？

三星 Samsung RX (Robotics eXperience) 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。如图 1 所示，ε4P 其核心思路是识别不同类型数据的缺陷来源，并将其分别准入 flow matching 的不同噪声区间，使数据中的有效信息得到充分利用，同时隔离其缺陷信息对策略学习的负面影响。

• 论文标题：Imperfection for Precision: Upcycling Imperfect Data for High-Precision Robotic Manipulation
• 论文链接：https://arxiv.org/abs/2609.26672
• 项目主页：https://varepsilon4p.github.io/

图 1 ε4P 数据训练示意图。根据数据的不同缺陷准入不同的噪声区间。

先看结果：同样的不完美数据，换一种用法就能带来提升

团队在 ATX 24 针连接器插入、两阶段线缆插接，以及螺栓螺母分拣三个真机任务上进行了测试，测试顺序为：仅使用目标任务高精度数据，直接混入两类不完美数据，使用 ε4P 混合训练。结果如下：

• ATX 连接器插入：48.3 → 38.3 →80.0（ε4P）
• 两阶段线缆插接：78.3 → 33.3 →88.3（ε4P）
• 螺栓螺母分拣：81.7 → 73.3 → 91.7（ε4P）

效果如图 2 所示。值得注意的是，ε4P 与直接混训使用的是完全相同的数据组合，改变的只是不同数据源参与训练的 flow-time 区间。这说明，不完美数据本身并非没有价值，关键在于如何让它们在合适的位置参与训练。

图 2 训练效果。上图为直接混入两类不完美数据，下图为使用 ε4P 混合

“坏数据” 一定该丢掉吗？

在大模型训练中，“坏数据应该被丢弃”是一种直观判断。但 “坏” 并不意味着一份数据在所有方面都没有价值。因此，真正的问题并不是这些数据 “用还是不用”，而是如何避开缺陷，只使用有价值的部分。

如图 3 所示，ε4P 根据数据缺陷来源，将不完美数据分为两类：一类是任务匹配但精度不足的数据，如 UMI 数据，保留了正确的任务信息，但动作监督不够精确；另一类是精度匹配但任务不匹配的数据，如其他任务的高精度遥操作数据，动作足够精准，但任务上下文存在偏差。两类数据的缺陷不同，可利用的信息也不同。给它们统一打上 “低质量” 标签，或者一律降低权重，都难以充分利用这种差异。

图 3 三种数据示意。上为目标任务高质量数据，中为任务匹配但精度不足数据，下为精度匹配但任务不匹配数据

要把这些数据真正利用起来，需要回答两个问题：模型在不同噪声区域更依赖什么信息？两类数据各自的准入边界如何确定？

沿着噪声轴，让不同数据提供不同监督动作生成过程中，模型的信息依赖会变化

ε4P 的关键观察是：随着去噪过程的推进，策略所依赖的信息来源也会发生明显变化。如图 4 所示，在去噪阶段，模型对带噪动作与任务上下文（视觉、语言和本体状态等） 的依赖呈现出明显差异：在低噪声区域，模型预测更依赖带噪动作；而在高噪声区域，模型对任务上下文的依赖更强。两种依赖关系呈现出一次明显的交叉，由此形成 action-dominant 和 context-dominant 两个区域。这为两类不完美数据提供了不同的使用方向。

图 4 带噪动作 - 任务上下文的依赖分析。蓝色曲线代表 action 依赖性，橙色曲线代表 context 依赖性。

对于任务匹配但精度不足的数据，ε4P 利用其正确的任务上下文，将其准入高噪声区间，并通过 flow-time-conditioned classifier 判断高、低精度动作何时趋于难以区分，据此设定准入下界；对于动作精确但任务不匹配的数据，则利用其高质量动作监督，将其限制在低噪声区间，并根据模型对 action 与 context 的相对依赖确定准入上界。边界确定方法具体见图 5，前者主要反映数据的性质，后者取决于策略本身的信息依赖。图 6b、6c 进一步对 ε4P 确定的区间进行了全局和局部的验证。

图 5 两类不完美数据对应的边界确定方法

ε4P 仅调整不同数据源的噪声采样范围：目标任务高精度数据覆盖完整区间，低精度目标任务数据用于高噪声区间，其他任务高精度数据用于低噪声区间；模型架构、flow-matching 目标及数据源采样概率均保持不变。

ε4P 的三个关键结论

1. 直接混训时越有害，不代表潜在价值越低

目标任务的低精度数据虽然在直接混训时带来更大损害，但经过 ε4P 的区间选择后，反而表现出高价值。这说明数据是否有用，不仅取决于其质量，也取决于它在训练中的使用位置。

2. 降低权重可以减轻损害，但未必释放价值

如图 6a 所示，降低 UMI 数据的 loss weight 虽能缓解性能下降，但所有非零权重均未超过仅使用高精度数据的 48.3%。与此同时，使用 ε4P 成功率达到 73.3%。这表明相比控制数据 “贡献多少”，更关键的是决定它 “在哪里贡献”。

3. 不完美数据可以替代部分高质量数据

团队进一步比较了 “新增等量高精度数据” 与 “新增等量不完美数据使用 ε4P” 的效果，在两类不完美数据和三个任务上，平均成功率仅下降 4.2 个百分点，意味着 ε4P 有望减少对高质量数据的依赖。

图 6 部分实验结果。a 为降低权重对比，b 为两种区间的全局扫描验证，c 为低噪声区间的的局部扰动验证

结语：为不完美数据找到合适的位置

ε4P 为机器人操作提供了一种新的数据利用思路：根据数据缺陷，让不同来源的数据在合适的噪声区域发挥作用。相比简单判断数据 “保留还是丢弃”，更重要的是找到它最合适的使用位置 —— 不完美的数据，同样可以成为精确操作的助力。

三位共同作者韦豪、刘杨、唐潮均来自 Samsung Robotics eXperience，现聚焦具身智能与机器人基础模型研究，探索数据规模化驱动的机器人学习范式，推动模型能力从数字世界进一步拓展至真实物理世界。

通讯作者李珽光博士，现任三星机器人负责人、高级技术总监。他组建并领导三星机器人团队，全面主导了视觉 - 语言 - 动作（VLA）、世界动作模型（WAM）等核心模型的技术研发与工业落地。加入三星前，他曾任腾讯 Robotics X Lab 高级研究科学家。他博士毕业于香港中文大学，曾在斯坦福大学人工智能实验室担任访问研究员，已在 Nature Machine Intelligence、TRO、ICRA、IROS 等发表论文 30 余篇，累计申请与授权国内外专利 30 余项。