神经轨迹

用视频世界模型生成、再补上伪动作标签的合成机器人训练数据。

神经轨迹是英伟达 GEAR 实验室在 GR00T N1（2025 年 3 月）和 DreamGen（2025 年 5 月）中使用的说法，指由视频世界模型生成的合成机器人数据。流程分四步：先在目标机器人的真实数据上微调视频生成模型，让它学会这台机器人的外观和运动方式；再给定初始画面和语言指令，生成机器人执行任务的视频，可以是没采集过的新动作或新环境；然后用潜在动作模型或逆动力学模型（由前后画面反推动作的模型）给视频补上伪动作标签；最后把这些视频加伪动作与真实数据一起训练视觉运动策略。与仿真合成数据相比，它不需要搭建仿真场景和资产，但生成画面的物理合理性不一定可靠，需要专门评估，DreamGen Bench 就是为此设计的。

例子GR00T N1 在约 88 小时真机数据的基础上生成了约 827 小时神经轨迹（约 10 倍），用 3600 块 L40 GPU 花了约 1.5 天；与真实数据协同训练后，GR-1 人形机器人 8 个真机任务的平均成功率提高 5.8 个百分点。

也叫

神经轨迹数据

相关

DreamGen（GR00T Dreams）、GR00T N1 系列、合成数据、伪动作标签、逆动力学模型、潜在动作模型

来源

DreamGen 项目主页（NVIDIA GEAR）
GR00T N1: An Open Foundation Model for Generalist Humanoid Robots (arXiv 2503.14734)
DreamGen: Unlocking Generalization in Robot Learning through Video World Models (arXiv 2505.12705)

信息截至

2025-06