I4H 模拟数据集扩增
通过加入动作和状态噪声，从现有 HDF5 录制数据复制轨迹并扩增数据集。
技能明确说明输入、输出、噪声参数和源数据校验，也避免空数据静默回退；但默认在未提示或确认下从 GitHub 克隆依赖、创建目录和符号链接，并使用 --overwrite，缺少权限范围、数据流风险、敏感数据处理和回滚说明，因此扣分。
步骤顺序、输入检查、环境一致性检查和故障排查较清楚；但依赖仓库未固定版本，关键脚本和运行环境未在选定技能路径内提供，且静态审查不能验证执行结果，因此按静态上限保守扣分。
受众、适用任务、非适用的录制场景、输入 HDF5、环境 ID 和可选可视化链路描述清楚；但只覆盖特定 i4h 工作流和默认环境，触发边界仍有限，且缺失依赖时核心功能可能依赖中国大陆网络不稳定可达的 GitHub，故扣分。
前置版本 0.6.0、Apache-2.0、作者、依赖、限制、故障排查和最终报告字段较完整；但缺少推荐的 Instructions/Examples 章节，缺少明确变更日志、维护更新路径和更具体的参数示例；仓库许可证元数据为 NOASSERTION，也降低治理清晰度。
技能直接给出从输入录制到扩增 HDF5、计数验证和可选可视化的完整流程，评测报告显示两项正向任务通过且正确性有一定提升；但 codex 正确性 65%、有效性 27%，仅两项正向任务且没有静态可复核的产物，因此不能确认结果质量，按静态上限保守扣分。
提供固定修订中的文档、评测任务和结果摘要，并包含可审计命令；但没有提交的关键路径测试、原始日志或独立复现实验，评测报告本身不足以支持全面复核，因此仅给有限分数。
- 默认命令会在本地不存在工作流时直接从 GitHub 克隆未固定修订的仓库；执行前应确认网络、来源版本和用户授权。
- --overwrite 可能覆盖指定输出；建议使用明确的新输出路径并保留输入备份。
- 该技能处理机器人轨迹 HDF5，可能包含敏感或受监管数据；文档未说明脱敏、访问控制或日志数据处理。
- 评测仅有两项正向任务、无负向任务，且报告未提供原始执行证据；不要将其视为全面验证。
这个 Skill 能做什么，适合哪些场景？
该技能用于扩展 Isaac for Healthcare 工作流中的 HDF5 录制数据。它复制已有轨迹，并对动作和状态加入小幅噪声，以生成额外 episode。它需要一个已有且包含成功 episode 的输入 HDF5 文件，以及产生该录制数据的环境 ID。它不负责录制新的演示，也不会扰动视觉内容。
技能会解析或定位 i4h-workflows 基础代码，检查输入 HDF5 是否存在并包含 episode，创建 mimic 运行目录，然后调用 mimic/run.sh 扩增数据。默认示例针对 scissor_pick_and_place 环境，生成 3 个额外 episode，噪声标准差为 0.01，并将源 episode 保留在输出中。随后使用工作流虚拟环境验证输出 episode 数量是否等于源 episode 数量加新增数量。
- 使用 Isaac for Healthcare 的机器人数据集开发者希望从已有 HDF5 演示生成更多训练轨迹。
- 已完成 teleop 或 validate 工作流、并拥有成功录制数据的用户希望进行数据增强。
- 需要模拟动作和状态变化、但不希望重新录制演示的用户。
- 同时要求可视化数据的用户，可先完成 mimic，再转换为 LeRobot 数据集并启动可视化流程。
这个 Skill 有哪些优点和局限？
- 提供了从输入检查、扩增到 episode 数量验证的完整流程。
- 默认保留源演示，便于将原始数据与新增数据一起使用。
- 明确阻止从空 HDF5 或失败录制中生成无效扩增结果。
- 可在需要时衔接数据转换和可视化流程。
- 必须已有包含成功 episode 的 HDF5 录制数据。
- 输入环境 ID、状态维度和动作维度必须匹配。
- 只扰动动作和状态，不会扩增或改变视觉内容。
- 源材料未提供独立测试套件、平台覆盖范围或性能基准。
如何安装这个 Skill？
使用 NVIDIA 技能集合的 CLI 安装：npx skills add nvidia/skills --skill i4h-workflow-dataset-mimic --yes。也可以先运行 npx skills add nvidia/skills，再从提示中选择该技能。源材料未说明单独安装 i4h-workflows 的固定安装包；技能会在需要时复用当前仓库，或将其克隆到 ~/i4h-workflows。
如何使用这个 Skill？
向 agent 提出类似“扩增我的 HDF5 数据集”或“用 0.01 噪声模拟 3 个 episode”的请求，并提供已有输入 HDF5 与其环境 ID。技能要求输入文件真实存在且包含至少一个 episode；示例命令使用 ENV_ID=scissor_pick_and_place、--episodes 3、--noise-std 0.01、--include-source 和 --overwrite。不要将该技能用于录制新演示。
这个 Skill 与同类方案有什么区别？
该技能明确将“扩增已有数据”与“录制新演示”区分开来；新演示应使用 i4h-workflow-dataset-teleop。除此之外，源材料未提供可验证的竞品或替代方案比较。