中国科学院などの研究チームは最近、高精度ロボット操作におけるデータ需要と精度の関係を定量化した研究をarXivで発表しました。「精度の呪い：高精度ロボット操作のデータスケーリング則」と題されたこの論文は、2026年のIEEE国際ロボット学会議（ICRA 2026）に採択されました。
従来の模倣学習のスケーリング則は主にオープンワールド環境での汎化に焦点を当てていましたが、ロボット組立などのクローズドワールドタスクにおけるデータと精度の関係は未開拓でした。この研究はそのギャップを埋め、新しいスケーリング則を提案します。
研究者らは、固定された成功率を達成するために必要なデモンストレーション数Nが、目標精度Pが限界cに近づくにつれて超指数関数的に増加することを発見しました。この関係はlog(N) ∝ 1/(P-c)というモデルで正確に記述されます。これは、精度要求がしきい値に近づくとデータ需要が急増する「精度の呪い」を意味します。
さらに重要なのは、精度限界cがタスクの静的な物理定数ではなく、センサーやエキスパートポリシーを含むエージェントシステム全体の創発特性であることです。つまり、ハードウェア（手首カメラの追加など）の改善やより効果的なエキスパートデモンストレーションの採用により、c値を大幅に低減し、システムが達成可能な精度範囲を拡大できます。
標準的な操作タスクでの実験により、この法則が検証されました。例えば、精密組立タスクでは、手首カメラを導入することで精度限界が約30%低下し、必要なデモンストレーション数が一桁近く減少しました。
この研究は、ロボット精度のための新しい理論的枠組みを提供するだけでなく、システム能力を評価するための定量的指標を導入します。研究者らは、この発見が高精度操作システムの開発とデバッグを導き、エンジニアがシステムのボトルネックを特定し、リソース配分を最適化するのに役立つと述べています。論文は8ページ、4つの図表を含み、実験設定と結果を詳細に説明しています。
論文の著者はCuijie Xuら8名で、論文番号はarXiv:2607.23108です。