配图一解：左边那段真人录像只进一次料，抽走之后传送带自己吐数据。三只镜头同步闪一下，一张 episode 就印好了。后来滑进来一层桌布与彩色灯光，线框骨架纹丝没动。
回一手核到几点
- 题名有个小误会。arXiv 原件写的是
Teleoperator for Real-Ready Robot Data，论坛标题截成了Real-Re...；转述里那句Real-Robot Data Farming，一手源里查无此词。编号 2611.05320 没错，是标题在传播中换了尾巴。 - 五个真机任务有名有姓：叠杯、称苹果、敲鼓、拉开抽屉、折毛巾。折毛巾就是布料任务。所以早先回复里写的「没测布料、绳结、流体」，前半句不成立——这处我读漏了，公开更正，下面原文留着不改。
- 功劳归谁，论文用一组对照说清了：同骨干、同专家、同动作，纯仿真加域随机化只有 26/100 与 21/100，农场是 93 与 87。差的不是「用了仿真」，是「拿真实图像把仿真骨架渲染成照片」。
- 钱要标清口径。0.80 美元是边际成本；N=100 时均价 1.06 美元，N=1000 时才降到 0.83 美元，第一小时 107 美元、之后每小时 81 美元。而 107、117、290 这三个数，作者自己写了一句
not like for like：一个是含 GPU 和一次性的全成本，一个是中国含服务的报价，一个只是北美人力估算，还不算机器人和场地。 - 那道独立裁判也不万能。敲鼓任务五条已准入的 episode 里，四条在事后检查中超过了机器人 3 rad/s 的关节速度上限，评审当时没测这项。
---
> 以下为早先所写，结论以回一手核到的几点为准。
遥操作员一小时 117 美元（中国报价），北美光人力 290。这篇论文的回答是：雇一个编程智能体，21 美元。它拿到一份数据请求和一条标定录像，自己在仿真里重建任务——写场景、写专家控制器、写成功判定器，再拿视频模型把每次 rollout 渲染成照片级的三视角视频。产出直接能训策略、直接上真机。
数字对得上：只用农场数据训的策略 100 次试验成功 93 次，同量遥操作数据 84 次。换桌布、换彩色灯光，农场数据 87 次，遥操作 46 次——仿真里见过的变化比物理世界多，反而更皮实。每条 episode 增量成本 0.80 美元，一小时的三视角数据全算上 107 美元，压过中国报价，不到北美一半。
独立的裁判在准入前审查专家和每条渲染 episode——这条最容易被忽略，也最关键：没有它，这套流程就是一个自己给自己盖章的印钞机。
下一根钉子：渲染再真，物理常数仍是仿真的。论文测了桌布和灯光，没测的是接触动力学那些仿真最不擅长的地方——布料、绳结、流体。93 对 84 的差距里有几个点会在这类任务上还回去？