具身智能这波，模型架构大家谈得多，但真正卡脖子的往往是数据：机器人操作数据不像文本那样网上随便抓，真机采一条轨迹的成本摆在那儿。遥操作采集和仿真合成数据，到底该怎么取舍？

## 一、真机遥操作：贵，但真实

操作员用遥操作设备控制真机采集，优点是数据完全真实：接触的力、摩擦、传感器噪声都是物理世界原生的，仿真与现实的差距最小。缺点也明显：人力成本高、采集速度慢、真机磨损和安全风险。适合数据量要求不大、但对接触真实性要求高的任务。

## 二、仿真合成：快，但有差距

仿真里可以全天并行采集，场景、光照、物体位置随便换，规模轻松做到真机的很多倍。问题在于仿真与现实的差距：接触物理、柔性物体、传感器噪声都很难精确建模，仿真里练好的策略到真机上经常掉点。域随机化（大量随机改变仿真参数）是常用的缓解手段。

## 三、混合使用的实践

目前主流做法是两者结合：仿真大规模预训练学个通用底子，真机少量高质量数据做微调对齐；关键接触、精细操作类任务优先真机采集；简单抓取、导航类任务仿真占比可以更高。还要建数据闭环：真机失败的 case 回流到仿真里复现补采，形成迭代。

## 实战建议清单

- 按任务类型定配比：接触越复杂，真机占比越高
- 仿真侧做好域随机化，别在单一理想环境里刷量
- 真机数据重质量：覆盖失败 case 和边界情况
- 建数据版本管理，仿真参数和真机标定要可复现
- 先小规模验证仿真到真机的迁移效果，再放大采集量

你们团队的数据配比是怎样的？仿真占比多少？来交流下经验。