# 仿真到现实迁移

北京大学与英伟达的 DataFarm 让编码智能体接手遥操作员的工作：只给一次标定片段和一条数据请求，智能体就在仿真里重建场景、写出专家控制器与成功判定，再由以真实图像为条件的视频模型渲染出带动作标签的多视角视频。在五项双臂真机任务上，只用农场数据训练的策略在原始场景取得100次试验93次成功，与同等数量遥操作数据的84次相当；在训练集未出现的桌布与彩色灯光下保持87次，遥操作策略降到46次。

北京大学与英伟达的 DataFarm 让编码智能体接手遥操作员的工作：只给一次标定片段和一条数据请求，智能体就在仿真里重建场景、写出专家控制器与成功判定，再由以真实图像为条件的视频模型渲染出带动作标签的多视角视频。在五项双臂真机任务上，只用农场数据训练的策略在原始场景取得100次试验93次成功，与同等数量遥操作数据的84次相当；在训练集未出现的桌布与彩色灯光下保持87次，遥操作策略降到46次。

毫米波雷达的人体微多普勒长期缺少可规模化的数据来源，现有模拟器只做前向仿真、学到的生成器把场景藏在网络权重里，静态场景反演渲染器又没有慢时间轴，因此都无法拟合一段真实的人体运动采集。4DPS把场景表示为带材质、法向和速度的有向点，用闭式多普勒点扩散函数把每个点直接撒进距离与多普勒单元，输出真实雷达记录的原始复数回波。在HuPR与RT-Pose上，拟合后的渲染在微多普勒上取得0.988和0.966的中位相关，仅用渲染数据训练的位姿模型在真实数据上保留0.59和0.76的真实训练精度。

毫米波雷达的人体微多普勒长期缺少可规模化的数据来源，现有模拟器只做前向仿真、学到的生成器把场景藏在网络权重里，静态场景反演渲染器又没有慢时间轴，因此都无法拟合一段真实的人体运动采集。4DPS把场景表示为带材质、法向和速度的有向点，用闭式多普勒点扩散函数把每个点直接撒进距离与多普勒单元，输出真实雷达记录的原始复数回波。在HuPR与RT-Pose上，拟合后的渲染在微多普勒上取得0.988和0.966的中位相关，仅用渲染数据训练的位姿模型在真实数据上保留0.59和0.76的真实训练精度。