Generative Roboterdaten
Verwendung von generativen Modellen (Diffusionsmodelle, NeRF, Videovorhersage) zur Synthese zusätzlicher Roboter-Trainingsdaten über das hinaus, was physisch gesammelt wird. Generierte Daten können seltene Szenarien, neuartige Objekterscheinungen oder Fehlerfälle ergänzen. Die Qualität der generierten Daten ist wichtig — schlecht generierte Daten können die Leistung beeinträchtigen. Dies ist ein aktives Forschungsgebiet für dateneffizientes Roboterlernen.







