在模块 B 完成一次批量渲染
任务要求加载已搭建 USD 场景；选择相机轨迹；设置 1280×720、标准模式、4x MSAA、输出 RGB 与深度图；启动渲染并检查异常帧。
提交要求不同角度的任意 3 帧 RGB 图；渲染结果浏览界面截图；render_config.json 文件。
讲义评分：参数配置正确 30%；输出完整（RGB + 深度图 + 位姿 + 标注）30%；图像无全黑、模糊或物体缺失 40%。
CH.09 / EMBODIED INTELLIGENCE
MODULE 09 // OFF-SCREEN FACTORY
把虚拟世界变成数据工厂
不经过显示器，GPU 在后台沿轨迹连续“拍照”，把场景、位姿与标注组装成可训练的数据包。
离屏渲染不服务“观看”，而服务低成本、高吞吐的数据生产。
01 // OFF-SCREEN
不看屏幕，也能批量拍照
离屏渲染直接在 GPU 内存完成图像生成，并把结果写入内存或磁盘。
02 // PIPELINE
五个阶段，把 3D 变成训练样本
先准备场景与相机，再由 GPU 计算，最后把图像和元数据一起组装导出。
03 // TWO AXES
离屏 ≠ 离线：这是两个维度
离屏只说明图像不直接送显示器；是否实时、画质高低仍由任务时限和渲染配置决定。
04 // POSE SAMPLING
关键帧定轨迹，采样帧才触发渲染
关键帧定义轨迹形状与相机姿态；系统按采样间隔取得位姿，每个采样位姿生成一帧。
05 // PERFORMANCE
少做重复计算，把 GPU 用在信息增量
用 3–5° 帧间隔减少近似帧，再用并行与增量渲染提升吞吐。
06 // OUTPUT STRUCTURE
训练数据不是散图，而是一棵文件树
完整样本同时保存图像、深度或分割结果，以及位姿、标注和渲染配置。
07 // METADATA
一张图要可训练，必须知道从哪看见
帧 ID 把 RGB、深度、相机位姿和对象标注绑定成一个可用训练样本。
08 // QUALITY STRATEGY
九成求量，一成求关键质量
混合策略用 90% 快速数据保数量，用 10% 关键帧精渲染保质量。
09 // DOMAIN RANDOMIZATION
同一条轨迹，生成十个不同世界
域随机化改变光照、纹理与物体状态，让模型提前见过真实环境中的变化。
RECAP // CHAPTER 09
轨迹输入，数据包输出
离屏渲染把轨迹转换为带位姿和标注的数据集，是训练管线的产能引擎。
SOURCE QUIZ // 10 MCQ
单选题 · 10题
第 1 / 10 题原讲义题库
得分 0 / 10
SOURCE PRACTICE 01
实操一 · 完整离屏渲染
SOURCE PRACTICE 02
实操二 · 域随机化实验
对比三轮随机化中的同一帧
任务要求启用域随机化；配置 3 轮光照位置随机与纹理随机；渲染后对比三轮的 frame_000030。
提交要求同一帧的三轮对比拼图；100–150 字分析主要差异、训练价值，以及希望增减的随机化参数。
讲义评分：随机化正确配置并执行 30%；对比分析准确并指出具体差异 40%；对域随机化价值理解到位 30%。