做机器人学习的人都知道，画面好拿，真值难凑。深度、分割、检测框要和图像逐像素对齐，差一点，训练出来的策略就偏一点。Turing Sim 的相机传感器这次把这件事压进了一次渲染里。 此前这条传感器线已经走完了 IMU 和 LiDAR，轮到相机时，需求不只是出图。机器人学习要用的深度、分割和检测框，必须和画面严格对齐。渲染侧走的是 Hydra，后端可以是 Storm（光栅化）或 Turing RT（光线追踪），但两者都没有把深度和 ID 缓冲交给 Python。 难点有两层：一次渲染要吐出全部输出，且所有输出描述同一组像素，精度还得可检验；同时要能在编辑器里跑，不能把视口画质拖下水。 相机就是 USD 相机 相机传感器被定义成一个标准的 UsdGeom.Camera ，挂上 turingSensor:type = "camera" 。预设按视场角和画面宽高比来设置镜头，不另造一套相机抽象。 读回 AOV 靠一个小型原生模块，它读取 Hydra 的颜色、深度、primId 和 instanceId 缓冲，再把 ID 解码成场景路径，实例代理也包含在内。Storm 和 Turing RT 都适用。 为什么相机要单独开进程 整数 ID 必须在关闭多重采样的情况下渲染，而 Hydra 每个进程只读一次这个设置。于是相机被放进自己的 worker 进程渲染，编辑器视口照样保留抗锯齿，两边互不干扰。 过程中还踩到一个坑：Storm 的视空间法线缓冲会把负分量截掉。法线因此改为由深度重建，绕开这个截断。 从缓冲到真值的转换规则也定得很细：RGB 按奇数倍超采样取平均，真值取每个像素的中心采样；深度换算成沿光轴的米数；物体取最近的带标签 prim，没有标签就取所属刚体。输出包括紧框和投影框两种 2D 框、有向 3D 框，以及 OpenCV 内参和相机位姿。 精度和开销都摆出来了 对 4 米外的一面墙，只要墙出现在画面里，深度误差都在 2 mm 以内，反投影回去的点也落在墙面 2 mm 以内。Storm 和 Turing RT 的分割掩码逐像素一致，深度中位差 0.01 mm 。 性能方面，带全部输出的 640×480 一帧要 36 ms ；开 3×3 抗锯齿要 73 ms 。预设的帧率就是按这些实测值定的，不是拍脑袋写的。 截图里能看到编辑器中的相机预览在 UR10 工作站上切换各种输出，每个 UR10 连杆、工作台和方块各有一种颜色。后续一个 commit 修好了机器人连杆上框标签互相重叠的问题。 编辑器里的帧是尽力而为；按精确帧率采集属于合成数据流程，那是下一步。 特别