仿真数据

在物理仿真器里让虚拟机器人执行任务而自动生成的训练数据。

仿真数据是在 Isaac Sim、MuJoCo 等物理仿真器中生成的数据：场景、物体和机器人都是虚拟的，由脚本、运动规划器或强化学习策略自动完成任务，同时记录图像、深度、关节状态和动作。好处是便宜、能大规模并行、自带精确标注，还能随机改变光照、材质和物体位置（域随机化），覆盖真机难采的长尾情况。主要障碍是虚实差距：仿真里的接触物理和渲染画面与现实不完全一致，柔性物体和精细接触尤其难。常见做法是先用仿真数据大规模预训练，再用少量真机数据微调，或两者混合协同训练。

例子银河通用等团队的 GraspVLA 以仿真生成的十亿帧抓取数据集 SynGrasp-1B（1 万多个物体、240 个类别）作为全部动作数据，再配合互联网图文定位数据联合预训练，不用任何真机数据就能零样本迁移到真实环境做抓取。

也叫

仿真合成数据、sim 数据、Sim Data

相关

仿真器、合成数据、虚实差距、域随机化、仿真到现实迁移、SynGrasp-1B 数据集

来源

GraspVLA: a Grasping Foundation Model Pre-trained on Billion-scale Synthetic Action Data
MimicGen: A Data Generation System for Scalable Robot Learning using Human Demonstrations

信息截至

2025