合成数据

不靠真实采集、用仿真或生成模型造出来的训练数据。

合成数据是计算机生成而非真实采集的数据，英伟达的定义是用计算机仿真、生成式 AI 模型或两者结合生成的文本、图像和视频。在具身智能里主要有三条路：在仿真器里渲染和执行任务（即仿真数据）；把少量人工示范自动变换、扩增成大量新示范，如 MimicGen；用视频生成模型或世界模型直接生成机器人干活的视频，再用逆动力学模型（根据前后画面推算动作的模型）补上伪动作标签，如英伟达的 DreamGen。它能缓解真机数据稀缺，但生成内容是否物理合理、是否贴近真实分布，最终要靠真机评测检验。

例子MimicGen 从不到 200 条人工示范自动生成 5 万多条示范，覆盖 18 个任务；DreamGen 只用一个抓放任务的遥操作数据，就让人形机器人在 10 个新环境里学会 22 种新动作。

也叫

生成数据、合成训练数据、Synthetic Data Generation

相关

仿真数据、MimicGen、DreamGen（GR00T Dreams）、神经轨迹、伪动作标签、生成式数据增强

来源

NVIDIA Glossary: What Is Synthetic Data Generation?
MimicGen: A Data Generation System for Scalable Robot Learning using Human Demonstrations
DreamGen: Unlocking Generalization in Robot Learning through Video World Models (NVIDIA GEAR)

信息截至

2025-05