制造、测试与质量
增加电缆仿真数据：集成试验该比较什么？
摘要：自动化工程师决定是否扩充训练数据集时，需要了解新增数据改变了什么。增加样例数量、增加样例种类、改进真实电缆的模型，是不同的投入。如果同时改变其中几项，再得到一个结果，就无法判断是哪项投入起了作用。
WireCraft 提供了什么
WireCraft v3 使用仿真演示和实物演示，研究插入、沿卡夹布线和槽内就位任务。ACT 从演示中学习动作；研究比较了仅用实物数据训练与加入脚本仿真、强化学习生成轨迹的混合数据训练。实物测试使用一台 UR5，训练步数为 80,000；每项任务、每种数据配比各进行 20 次试验。
在插入任务中，仅用实物数据训练的完成率为 15%；同时加入两种仿真来源后，完成率达到 80%。不同任务的最佳配比不同。数据集规模与来源多样性同时增加，因此该比较无法单独判断多样性的作用。作者还说明，两种仿真电缆模型都未根据实物电线进行标定。成功判定未测量接触载荷或电缆损伤。这些是在受限初始条件下取得的实验室结果，并非生产能力声明。论文：第 3 版，第 6–7 节。
分开判断不同投入
以下对比设计是我们的工程解读。它是后续研究的建议，并非 MTTJ 已开展的实验，也不是论文中的补充结果。
表格可横向滚动，以阅读所有列。
| 需要作出的决定 | 应要求的比较 | 必须保持可比的条件 |
|---|---|---|
| 是否应采集更多同类演示？ | 由同一采集流程获得的较小与较大数据集 | 工件呈现方式、评估用例和训练流程 |
| 是否应加入其他来源的演示？ | 规模相同、来源配比不同的数据集 | 样例总数、评估用例和训练预算 |
| 仿真电缆能否代表我们的实物零件？ | 在对应条件下，将实测物理响应与模型进行比较 | 电缆标识、支撑条件、加载方式和测量定义 |
这些比较回答的是不同问题。即使无法确定扩充数据集对结果的因果贡献，它仍可能有实际应用价值。此时，应将决策表述为投入一个实测表现更好的整体方案，而不能声称已经证明来源多样性带来了改善。
委托开展比较前，先确定需要关注的失败环节。如果机器人已到达夹具，却无法与之接合，就应围绕这一转换过程采集证据。如果机器人在取得电缆前就失败，增加插入演示可能无法触及问题。记录完成情况时，也要保留失败尝试和恢复所需的工作；零件状态是否合格，应与任务是否完成分别设定判据。
规划复现前，先检查可运行的软件包
论文提供了一个开源项目链接。本次研读查阅时，该仓库展示的 README 宣布代码将于 11 月上旬发布；在所查看的仓库文件列表中，没有可执行的项目文件和数据集。这说明材料的可获取性仍有缺口，并不能证明该方法不可行。作者代码仓库，查阅于 2026 年 11 月 6 日。
现在可以用这篇论文梳理数据采集讨论的重点。在编制复现预算前，应核实实际代码、数据集访问方式、运行环境版本和夹具文件，并将研究绑定到一个明确的已发布版本。仅凭仓库名称或发布公告，还不足以为可复现的运行做好准备。
下一项值得关注的更新，是可运行版本的发布，或一项有独立记录、能区分数据集规模与来源配比作用的比较。本文研究与写作由 AI 辅助；未报告 MTTJ 硬件试验。