# 机器人数据合成

RoboTryOn把第一人称人类操作视频当作“虚拟试衣”来处理：保留演示动作，只把画面中的人替换成目标机器人，再由带深度特征的反向动力学模型从合成视频读出关节动作标签。在两种带灵巧手的真实人形机器人上，仅用合成演示训练的策略把未见任务的平均成功率从2.1%提升到60.0%，并在全部遥操作演示只含单臂的情况下于双臂任务上取得45.9%；只用人类视频翻译的数据训练，可在约三分之一采集成本下达到与纯遥操作演示相当的成功率。

RoboTryOn把第一人称人类操作视频当作“虚拟试衣”来处理：保留演示动作，只把画面中的人替换成目标机器人，再由带深度特征的反向动力学模型从合成视频读出关节动作标签。在两种带灵巧手的真实人形机器人上，仅用合成演示训练的策略把未见任务的平均成功率从2.1%提升到60.0%，并在全部遥操作演示只含单臂的情况下于双臂任务上取得45.9%；只用人类视频翻译的数据训练，可在约三分之一采集成本下达到与纯遥操作演示相当的成功率。

RynnWorld-Latent 把不同机器人、人类和仿真视频统一到一套由冻结的 RynnLAM 提取的连续潜动作上，作为视频世界模型的共享条件接口，从而不必对齐各平台的原始控制空间。模型在约 5.535 亿帧、23 个数据集上预训练，再经目标机器人后训练，在公开基准和两台真实机器人上报告了更好的视频预测指标；由潜动作合成与数字遥操作生成的数据，在评估设置中提高了下游策略成功率。

RynnWorld-Latent 把不同机器人、人类和仿真视频统一到一套由冻结的 RynnLAM 提取的连续潜动作上，作为视频世界模型的共享条件接口，从而不必对齐各平台的原始控制空间。模型在约 5.535 亿帧、23 个数据集上预训练，再经目标机器人后训练，在公开基准和两台真实机器人上报告了更好的视频预测指标；由潜动作合成与数字遥操作生成的数据，在评估设置中提高了下游策略成功率。