突破真實數據瓶頸 合成數據助機器人AI訓練加速百倍

針對真實世界數據採集耗時且重複性高的痛點，業界正加速導入「合成數據」（Synthetic Data）技術。根據外媒報導，Bifrost AI共同創辦人暨執行長Charles Wong指出，透過合成數據生成的極端場景與熱成像模擬，能有效填補真實數據的缺口，使機器人系統迭代速度提升達100倍，同時降低高達70%的數據採集成本。

真實世界的侷限：數據雖多但缺乏變化 機器人團隊過去依賴海量的真實數據來訓練系統，但這面臨著巨大的效率問題。現實世界的數據往往高度重複——車隊記錄到的多是相同的空曠街道、平靜海面與無事件發生的巡邏過程。真正具有訓練價值的「邊緣案例」（Edge cases），如惡劣天氣、光線劇變或罕見災害，在現實中極難捕捉。

Charles Wong強調，開發團隊無法為了等待特定季節而耗費一年，也不可能為了收集數據而製造數千次真實碰撞事故。現實世界產生變化的速度，遠遠跟不上現代自動化技術的需求。
...
...

使用者別	新聞閱讀限制	文章閱讀限制	出版品優惠
一般使用者	10則/每30天	0則/每30天	付費下載
VIP會員	無限制	25則/每30天	付費下載