來自中國科學院等機構的研究人員近日在arXiv上發表了一項重要研究，揭示了高精度機器人操作中資料需求與精度之間的量化關係。這項題為《精度的詛咒：高精度機器人操作的資料縮放定律》的論文已被2026年IEEE國際機器人與自動化大會（ICRA 2026）接收。
以往關於模仿學習的縮放定律主要關注開放世界環境中的泛化能力，但在機器人裝配等封閉世界任務中，資料量與精度之間的關係尚未被系統探索。該研究填補了這一空白，提出了一種全新的縮放定律。
研究人員發現，要達到固定的成功率，所需的演示次數N隨著目標精度P接近一個極限c而超指數增長，具體模型為log(N) ∝ 1/(P-c)。這意味著，當精度要求接近某個閾值時，資料需求會急劇上升，這種現象被形象地稱為“精度的詛咒”。
更關鍵的是，精度極限c並非任務的靜態物理常數，而是整個代理系統（包括其感測器和專家策略）的湧現屬性。這意味著透過改進硬體（如增加腕部相機）或採用更有效的專家示範，可以顯著降低c值，從而擴大系統能夠達到的精度範圍。
在標準操作任務上的實驗驗證了這一規律。例如，在精密裝配任務中，引入腕部相機後，系統的精度極限降低了約30%，而所需的演示次數減少了近一個數量級。這一發現表明，系統元件的改善可以直接提升可實現的精度。
這項研究不僅為機器人精度提供了一個新的理論框架，還引入了一個定量指標來評估系統能力。研究人員表示，這一發現可用於指導高精度作業系統的開發和除錯，幫助工程師識別系統瓶頸並最佳化資源分配。論文還指出，該縮放定律為開發更高效的資料收集策略提供了方向。
論文作者包括Cuijie Xu等8位研究人員，論文編號為arXiv:2607.23108。該研究共8頁，包含4張圖表，詳細闡述了實驗設定和結果。