本发明提供了一种基于函数逼近的定制化冗余自由度机器人标定方法及系统，包括：获取机器人的规划位姿数据；依据获取的规划位姿数据，以及预设的估计器，得到位置误差的估计值；根据位置误差的估计值进行位置修订，得到机器人规划指令对机器人进行标定；其中，预设的估计器的学习过程为：将位置误差看做规划位姿数据的非线性函数，得到误差函数；利用张量环网络对误差函数做逼近，通过采样和学习得到估计器；本发明将张量环网络机器学习工具应用于机器人的精度标定任务，通过学习规划位姿与位置偏差间复杂的函数关系来实现机器人定位误差估计，既无需显式推导机器人的运动学模型和误差模型，又可以同时兼顾几何和非几何误差源。