重新审视数据与信息的关系
以机器人案例反思盲目扩数据，强调信息密度与定向采样。
为什么重要
为机器人学习与多机系统的数据采集、通信和策略修复提供思路。
阅读原文leiphone.com
AI 解读（根据原文生成）
文章整理了昆士兰大学 Jen Jen Chung 在 IROS 的主旨演讲，核心观点是数据规模不等于信息量，机器人系统中更应关注数据质量与信息密度。她以无人机自主滑翔、未知代价场最短路径规划和分布式多机器人通信为例，说明按需采集和传输关键数据比均匀采样或全量广播更有效；在端到端策略学习中，团队还提出通过定向选择“修复性”样本改善策略泛化。文章为演讲内容编辑整理，未提供论文、代码或模型链接。
要点（AI 据原文整理，数字均已与原文核对）
- 在无人机自主滑翔案例中，到第 20~27 轮时，已经训练出了非常不错的控制策略。
- 分布式多机器人系统中，数据分发依赖底层通信基础设施，通信信道存在受限、衰减与延迟。
- 在复杂的富接触装配任务中，输入数据包括视觉、力觉、本体感觉。
- 团队提出了一种“策略修复”方案，定向选取“修复性”样本。
