製造、測試與品質
增加電纜模擬資料：整合試驗應比較什麼？
摘要：自動化工程師決定是否擴充訓練資料集時，需要知道新增資料帶來了哪些改變。增加範例數量、增加範例種類，以及改進實體電纜模型，都是不同的投資。同時改變其中幾項後得到的結果，無法指出是哪項投資發揮了作用。
WireCraft 的貢獻
WireCraft v3 透過模擬與實體示範，研究插入、沿線夾佈線及線槽內就位任務。ACT 從示範學習動作；研究比較了僅使用實體資料，以及加入腳本模擬與強化學習執行軌跡的混合資料。實體測試使用一台 UR5，訓練步數為 80,000，每項任務與每種配比各進行 20 次試驗。
插入任務僅用實體資料訓練時，完成率為 15%；加入兩種模擬來源後，完成率達到 80%。各任務的最佳配比並不相同。資料集規模與來源多樣性一併增加，因此這項比較無法單獨辨識多樣性的作用。作者也指出，兩種模擬電纜模型均未依據實體電線進行校準。成功判定並未量測接觸負載或電纜損傷。這些是在受限初始條件下取得的實驗室結果，並非生產能力聲明。論文：第 3 版，第 6–7 節。
分開評估各項投資問題
以下比較設計是我們的工程解讀，屬於後續研究提案，並非 MTTJ 已執行的實驗，也不是論文的額外結果。
請橫向捲動表格，閱讀所有欄位。
| 要作出的決策 | 應要求的比較 | 必須維持可比性的項目 |
|---|---|---|
| 是否應蒐集更多同類示範？ | 以相同蒐集流程取得的較小與較大資料集 | 工件呈現方式、評估案例及訓練程序 |
| 是否應加入其他來源的示範？ | 大小相同、來源配比不同的資料集 | 範例總數、評估案例及訓練預算 |
| 模擬電纜是否能代表我們的實體零件？ | 在對應條件下，將實測物理反應與模型比較 | 電纜識別資訊、支撐條件、負載施加方式及量測定義 |
這些比較各自回答不同問題。即使尚無法釐清擴充資料集的因果貢獻，它仍可能具有實務價值。在此情況下，應將這項決策描述為投入一套觀察表現較好的整體方案，而非證明來源多樣性造成了改善。
委託進行比較前，先確認真正需要解決的失敗環節。若機器人已到達治具，卻無法與其接合，就應針對這段轉換過程蒐集證據。若在取得電纜前就失敗，增加插入範例可能無法處理問題。記錄完成情況時，也應保留失敗嘗試與恢復作業的投入；零件狀態的允收標準應與任務完成判定分開設定。
規劃重現研究前，先檢查可執行套件
論文連結至一個開源專案。本次研讀查閱時，該儲存庫顯示的 README 宣布將於 11 月上旬發布程式碼；所檢視的儲存庫檔案清單尚未提供可執行的專案檔案與資料集。這是可取得性上的缺口，並不能證明該方法無法運作。作者儲存庫，查閱日期：2026 年 11 月 6 日。
目前可先用這篇論文整理資料蒐集討論的重點。編列重現研究的預算前，應確認實際程式碼、資料集存取方式、環境版本與治具檔案，並將研究綁定至明確的已發布版本。單憑儲存庫名稱或發布公告，並不足以準備一次可重現的執行。
下一項有用的更新，是可執行版本的發布，或一項具有獨立記錄、將資料集規模與來源配比區分開來的比較。本文研究與寫作由 AI 輔助；未報告 MTTJ 硬體試驗。