0:000:00
<p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">从简单的图像识别到复杂的决策系统，数据始终是推动人工智能演进的底层动力。随着AI技术深入更多行业和场景，数据的重要性被推到了前所未有的高度。然而，并非所有领域都拥有充足的数据基础；在具身智能等前沿领域，数据的稀缺性尤为突出。</p><span><br></span><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">不同于能够源源不断采集真实世界数据的自动驾驶，具身智能目前还在「摸着石头过河」——缺乏足够真实可信的海量训练数据。如何在虚拟与现实之间高效且高质量地构建物理正确的数据体系、持续提供学习训练的输入，是具身智能迈向真实场景必须跨过的门槛。</p><span><br></span><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">本期节目，我们邀请到<b>合成数据提供商光轮智能的创始人兼CEO谢晨</b>，探讨仿真合成数据如何成为具身智能及AI时代的新基建。通过哪些方式可以实现合成数据？具身智能对于仿真合成数据有哪些要求？与真实数据相比，合成数据的对于机器人训练的优势体现在哪些方面？构建高质量合成数据的核心挑战是什么？为什么说一款超级应用的诞生是做好仿真器的前提？</p><span><br></span><p style="color:#333333;font-weight:n...