从 12 条到 200 条演示，机器人能多学会多少

预算有限的机器人玩家都想知道：攒演示数据这件事，从 12 条攒到 200 条，到底值多少成功率。这类对照实验通常是大厂纸面里的附注，这周有人把它当成主菜做完了——还是在一台便宜机械臂上。

一、发生了什么

10 月 27 日提交的论文出自一位独立研究者。他选了四个常用的模仿学习策略：ACT、Diffusion Policy、SmolVLA，加上 π0.5，各配一套固定的训练配方，分别在 12、25、50、100、200 条遥操演示的嵌套子集上训练——嵌套的设计让相邻数据点之间可以直接比较。任务是带干扰物体的抓放，每个模型都在真机 SO-101 臂上跑同一组物体摆放，共一千三百四十个计分回合、一百二十六块，人工打分还对着录像做了审计。

结果有分层。从头训练的 ACT 起点惨烈：12 条数据时 40 回合只成功 1 次，到 100 条涨到 37 次。π0.5 微调动作专家后是数据稀缺期的冠军——12 条时先拿 16 次，25 条时 28 次，之后就停在七成附近；从 100 条起 ACT 反超，差距多大论文没有下结论。

另两个策略的天花板在五成左右，而且都栽在「起步」上：SmolVLA 有四成七的回合手臂根本不动；Diffusion Policy 也是几乎不启动，把演示里多余的开头剪掉才好转。

最有意思的一组对照来自 π0.5：低秩适配微调 110 回合只成 4 次，动作专家微调 200 回合成 130 次。配方选错，数据白攒。论文还把每个回合放到「启动、够到、拿起、送到」四级阶梯上定位失败：数据一多，ACT 的失败从够不到变成抓不稳，再变成没有；π0.5 留下的失败集中在抓取一环。它还测出同一模型重复测两次，10 回合能差 2 次——小样本评测的噪声比想象中大。作者也承认每个配方的训练步数固定，数据量和重复次数绑在一起，哪些结论站得住、哪些存疑，文里分开说了。

二、跟你有什么关系

做机器人的人：先用少量数据配 π0.5 这类微调友好的模型，再攒数据转 ACT 这类从零训练的，路线可以两段走。做评测的人：10 个回合测不出差别，结论前先算噪声。攒数据的人：数据攒到一百条往上，回报曲线才开始拉开。

三、怎么判断

1. 想复刻这套对比，先去论文里抄它的四级失败阶梯，定位比成功率信息量大。
2. 微调配方先小规模试跑，LoRA 不一定省事，这篇里它几乎全军覆没。
3. 读别人的演示数量实验，先问一句训练步数控没控住。

四、三个别信的说法

演示数据越多必然越强。 配方错了四个数量级都补不回来，数据量只是变量之一，这篇的关键结论恰恰是配方优先。

只在大厂实验室才做得出这种对比。 作者一个人、一台便宜机械臂就做完了，造价不是做严谨评测的门槛，纪律才是。

排行榜名次等于真机表现。 π0.5 数据多时被 ACT 反超，说明模型强弱与数据规模交织，单一名次会误导选型。

成功率数字可以直接比较。 同一模型两次测试都能差两成，没有足够回合数和种子数的对比都不可信。

五、一句话结论

先修配方，再攒数据，最后才谈模型。

信息来源

• arXiv 摘要页：低成本臂上演示规模对比

事实引自 2026 年 10 月 27 日提交的论文摘要。

功能与价格以官方公告为准。本文写于 2026 年 10 月 28 日。