把虚拟世界变成 数据工厂

后台自动批量同时降低采集与标注成本，但渲染产物仍须经过质量检查。

离屏渲染直接在 GPU 内存完成图像生成，并把结果写入内存或磁盘。

先准备场景与相机，再由 GPU 计算，最后把图像和元数据一起组装导出。

离屏只说明图像不直接送显示器；是否实时、画质高低仍由任务时限和渲染配置决定。

看物体用环绕，扫区域用俯视，走廊用线性，关键位置用多点巡检。

关键帧定义轨迹形状与相机姿态；系统按采样间隔取得位姿，每个采样位姿生成一帧。

用 3–5° 帧间隔减少近似帧，再用并行与增量渲染提升吞吐。

完整样本同时保存图像、深度或分割结果，以及位姿、标注和渲染配置。

PyTorch、LeRobot 与 TensorFlow 可自动转换；ROS 2 Bag 仍需手动处理。

帧 ID 把 RGB、深度、相机位姿和对象标注绑定成一个可用训练样本。

参数没有脱离场景的最优值：先锁用途，再在分辨率、光照与显存之间取舍。

混合策略用 90% 快速数据保数量，用 10% 关键帧精渲染保质量。

估时必须绑定物体数、分辨率与光追条件；平台实测与表中估算不可混为同一口径。

先确认 USD 场景可见，再预览已保存轨迹；覆盖不足时不要进入批量渲染。

启动前同时核对图像质量、输出通道、保存路径与采样帧数，避免整批返工。

确认弹窗是最后一道参数门；运行中同时看帧数、速度、剩余时间与警告信息。

浏览输出时逐帧核对黑屏、模糊与缺物体；只把标记的异常帧送回重渲。

标准格式保留 RGB、深度、位姿和标注；也可选 LeRobot，最后统一打包下载。

先把症状映射到光照、参数、通道、标注或显存，再执行对应的最小修复。

域随机化改变光照、纹理与物体状态，让模型提前见过真实环境中的变化。

平台把光照、材质和物体状态设为随机变量，十轮分别写入独立子文件夹。