04. 数据工程（采集与合成） (Data Engineering)

4.1 数据采集方法（Real-World Collection）

4.2 数据合成方法（Synthetic Data）

• 域随机化：随机扰动材质、光照、摩擦、质量参数，提升 Sim2Real 泛化。^{[Tobin et al., 2017]}
• 程序化场景生成：批量生成任务布局和障碍组合，补齐真实数据长尾。
• 自动标注导出：在仿真中自动导出位姿、接触、关节状态标签，降低人工标注成本。^{[Omniverse Replicator]}

4.3 工程化数据流水线示意

flowchart LR
    A[任务定义] --> B[真实采集/遥操作]
    A --> C[仿真合成/域随机化]
    B --> D[清洗与时间对齐]
    C --> D
    D --> E[自动标注与质检]
    E --> F[版本化存储]
    F --> G[训练输入打包]
    G --> H[回归评测]
            

4.4 数据质量评估维度（量化视角）

参考入口：DROID、 Open X-Embodiment、 Omniverse Replicator。

4.5 仿真环境支持矩阵（数据工程视角）

官方入口：Isaac Sim / Isaac Lab / MuJoCo / ManiSkill / Habitat / Gazebo / PyBullet / Webots。

4.6 选型观察：按阶段组合平台

• P0 快速验证：PyBullet / ManiSkill + 小规模真实采集，尽快验证任务可行性。
• P1 策略迭代：Isaac Lab 或 MuJoCo + 失败样本回流，建立数据回归体系。
• P2 系统联调：Gazebo/ROS 联调 + 真实场景回放，验证部署稳定性与安全评估指标。
• P3 规模化：主平台 + 备用平台双轨回归，避免单一仿真栈导致系统性偏差。