SSAD 2026：合成数据在自动驾驶与机器人训练中落地见效

SSAD 2026 会议上，合成数据成为自动驾驶与机器人领域的核心议题。@abursuc 汇总的多个分享共同指向一个结论：合成数据已不是科幻概念，过去一年在自动驾驶与机器人策略训练中实际落地并取得可见成效。

已确认

• @abursuc 汇总会议内容指出，汽车行业玩家在自动驾驶里程和接管率（disengagement rate）指标上表现渐好，而长尾场景主导风险且不易通过真实数据捕捉，合成数据正是补齐长尾的关键手段。
• @abursuc 综述了自动驾驶领域使用合成数据的多种策略，核心观点是真实日志与仿真教给模型不同的东西：真实数据负责教「怎么开车」，仿真则专注于安全场景。
• CARLA 仿真器原创作者、Toyota 研究院的 German Ros 在会上分享了用合成数据工作流加速自动驾驶开发的实践。
• @abursuc 转述会议共识：只要生成的内容是对的，合成数据加得越多收益越大，但「什么才是该生成的东西」才是真正难题。

为什么重要

• 合成数据的瓶颈不在规模而在数据选择与针对性，这一判断为业界投入方向提供了参考：与其盲目扩量，不如优先解决「生成什么」的问题。
• 真实数据与仿真数据的分工框架（前者管驾驶行为、后者管安全场景）为构建混合训练管线提供了清晰思路。

2026-09-16 ~ 2026-09-16 · 5 条相关

• CARLA 元老 Ros 分享合成数据加速自动驾驶研发 — abursuc · 2026-09-16
• Carla 之父 German Ros 谈合成数据加速自动驾驶 — abursuc · 2026-09-16
• 【源头】合成数据不是科幻：过去一年已在自动驾驶与机器人策略训练中落地见效 — abursuc · 2026-09-16
• 【源头】合成数据确实有效，但难点在于：到底生成“对的东西”是什么 — abursuc · 2026-09-16
• 【源头】SSAD 2026 报告:自动驾驶合成数据的多种使用策略 — abursuc · 2026-09-16