三星机器人团队提出 ε4P:让「不完美数据」按噪声水平分门别类入训
jiqizhixin · x · 2026-11-08
Samsung Robotics eXperience 研究人员在预印本中提出 ε4P(Imperfection for Precision)方法,用于高精度操作任务,核心思路是不完美机器人数据若在合适的噪声水平进入训练,仍能提供有效监督。三个要点:
- 区分两类失配:目标任务的低精度示范保留了有用的上下文信息;其他任务的高精度示范保留了有用的动作细节,二者混同处理反而损害学习。
- 分配不同训练区间:目标任务低精度数据在高噪声区间贡献,任务失配的精准数据在低噪声区间贡献;用 flow-time 条件化的来源分类器和动作-上下文依赖分析确定边界,策略架构与 flow-matching 目标不变。
- 实证效果:在真机 ATX 连接器插入任务上,成功率相比同等数据配方提升(原文被截断,提升约 4 成)。
配图展示了两种边界判定机制:任务匹配但精度失配的边界用来源分类器 AUC 判定;精度匹配但任务失配的边界用动作-上下文依赖比较判定。
「具身」频道最新
- Human2Any 从人类视频学操作先验，零真机数据迁移到机器人 — danfei_xu · 2026-11-08
- Amazon FAR 团队单一策略实现 66 种物体类人抓取 — JitendraMalikCV · 2026-11-08
- 一群人形机器人集体游走 Figure AI 总部，画风像《西部世界》 — CyberRobooo · 2026-11-08
- CoRL 2026 售罄:2094 篇投稿破纪录，687 篇入选 — Majumdar_Ani · 2026-11-08
- Clockwork uConsole 开箱组装：开机成功但屏幕暂不亮 — vincent_koc · 2026-11-08
- machine.fun 走红：机器人团队用代币融资扩充机队 — R4nsack · 2026-11-08