别急着丢掉「坏数据」：三星团队提出ε4 P，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。