我正在尝试使用 RNN 训练机器人进行特定动作，例如抓握或指向。该机器人由一条手臂和一个装有摄像头的头部组成。工作区也将是小桌子，以便可以定位手臂和物体。循环神经网络的输入将是相机每个时间步长的图像帧，输出将是机器人手臂下一帧的目标电机角度。当当前图像帧被馈送到网络时，网络会为下一帧输出 arm 的运动值。当手臂到达下一个位置时，该位置的输入帧再次进入网络，并再次产生下一个电机输出。
但是，在制作训练数据时，我必须为工作区上的所有位置制作（图像，电机角度）对的所有数据。尽管网络可以自行完成一些泛化工作，但所需的数据仍然太多，而且由于轨迹太多，需要花费大量时间。
概括我遇到的问题，获取网络训练数据的时间太多了。有什么方法可以用小数据集训练网络吗？或者在相对较小的人工干预下制作庞大的数据集？