本项目面向智能硬件、机器人与工业无人机团队，提供一套贯穿仿真数据生产、真机数据回灌、失败样本复现与闭环评测的融合数据平台。
它解决的不是“把文件存在哪里”，而是一个更关键的研发问题：如何在本体打样和大规模真机数采完成前，让算法团队先开始训练与验证；又如何在产品部署后，让真实世界的一手数据直接进入既有管线，而不是重新搭建另一套数据系统。
核心价值：仿真先行，真机协同
仿真数据与真机数据不是替代关系。两者承担不同角色，并共享同一套场景、数据、评测和调参管线：
- 仿真先行：围绕本体、传感器与业务目标，提前生成正常工况、边界条件和长尾场景数据，让训练与验证从“等待真机”转为并行推进。
- 真机校准：真实部署产生的数据用于校准传感器特性、环境分布和模型误差，提高仿真场景与数据生成的针对性。
- 失败回灌：客户现场的失败样本被重建为可复现实验，转化为定向数据集，并在同一评测基线上验证修复结果。
平台能力
1. SimReady 资产与本体数字孪生
数据飞轮从可复用的数字基础开始。平台统一管理设备模型、传感器配置、环境资产和业务场景定义，使同一套本体与场景能够被数据采集、算法训练、评测和客户演示共同调用。
原有三维资产中台能力继续作为这一底座：
- 支持 OBJ、FBX、GLTF/GLB、STL、PLY、STEP、IFC、OSGB、LAS、3D Tiles、PCD 等多源格式接入。
- 自动完成模型轻量化、层级细节生成、纹理处理和流式切片。
- 提供在线预览、三维标注、测量、剖切、版本对比与协同评审。
2. 一体化仿真数据生产
平台覆盖「场景定义 → 仿真运行 → 数据采集 → 自动标注 → 清洗质检 → 版本管理 → 分发调用」完整流程。算法工程师与训练 Agent 可以按任务目标调用正常、边界和失败工况数据，而不依赖一次性的人工采集。
每次生产任务都会保留场景参数、传感器配置、引擎版本、随机种子、数据标签和质量结果，确保数据来源可追踪、实验条件可复现。
3. 真机数据接入与分布校准
真机数据进入平台后，与仿真数据使用一致的任务分类、场景标签和版本规则。平台将真实样本用于：
- 校准相机、激光雷达、IMU、GPS 等传感器的噪声与延迟模型。
- 对比仿真与真实数据分布，识别需要补齐的环境和工况。
- 将现场日志、异常帧和失败案例关联到对应模型、软件与硬件版本。
- 通过三维重建或场景参数化，将现场问题转化为可重复执行的仿真实验。
4. 失败样本驱动的定向生成
系统不只归档失败样本，而是把它们转化为下一轮数据生产任务。算法缺陷、评测退化或客户现场问题可以触发场景变体生成、传感器扰动、故障注入和数据采集，形成针对性的训练集与回归集。
修复后的模型回到同一评测基线完成对比，避免“训练数据更新了，但验证标准也随之漂移”的问题。
5. 数据治理与研发协同
- 统一目录与版本：关联资产、场景、数据集、模型、实验和评测结果。
- 质量门禁：记录完整性、标注质量、分布覆盖和任务状态。
- 权限与审计：按团队、项目和数据类型控制访问，保留操作日志。
- Agent 接口：通过结构化 API 调用数据生产、检索、质检、分发和结果分析能力。
- 可视化评审：在浏览器中查看三维资产、样本、标注与版本差异，降低跨团队沟通成本。
典型研发流程
新产品研发
在真机数采完成前，先依据本体设计和目标业务建立数字孪生与仿真场景，启动首轮训练和闭环评测。后续真机数据用于校准与补充，而不是让算法团队从零开始。
产品 OTA 升级
感知、规划、控制等模块可以在统一评测基线上并行迭代。每次模型或软件更新都绑定对应数据版本和回归结果，减少集成阶段才发现模块相互干扰的风险。
客户现场长尾问题
将客户反馈、日志和失败样本快速还原为可复现场景，定向生成微调数据并完成回归验证，把现场“救火”转化为可持续积累的线上研发能力。
部署与安全
平台支持部署在企业内网、本地 GPU 集群、私有云或混合云环境中。核心数据、模型和业务流程可以保留在客户控制的环境内，并通过细粒度权限、日志审计和版本追踪满足长期研发与安全管理要求。
最终交付的不只是一套数据管理软件，而是一条可以从仿真启动、由真机校准、被失败样本持续驱动的研发数据生产线。