用途
训练、评测、回放或算法验证，以及目标模型和读取接口。
数据类型视觉、深度、LiDAR、状态、动作、力/触觉和任务事件
质量核心同步、标定、覆盖、失败标签、可读性与追溯
首个里程碑小批次试采—回放—训练/评测链路验证
报价与排期前需要的四类输入
资料不完整也可以提交；缺失项会先进入验证清单，而不是直接变成承诺。
任务
对象、初始状态、成功/失败、环境变化、重复和终止条件。
信号
传感器、频率、坐标系、时间同步、标定、编码和单位。
合规
场地、人员/物体授权、隐私、跨境、留存、访问和删除规则。
现场与系统资料
这些资料用来说明现场变量和系统边界，不据此推断所有项目结果。
决策与交付框架
从下游用途反推数据规范
同样是抓取任务，行为克隆、视觉感知、策略评测和故障分析需要的信号、频率和标签不同。先让算法、机器人和数据团队共同确认一个可读取样例。
数据规范要区分必需、可选和禁止采集字段，并写明单位、坐标系、时间戳、压缩和缺失值。
- 训练或评测目标
- episode 与事件定义
- schema、单位和坐标系
- 读取样例和版本
用试采发现同步、标定与任务问题
在扩大人力和场地前，先采小批次并完成回放。检查相机、深度、LiDAR、关节、动作、力和任务事件是否在同一时间基准下对齐。
标定、时间漂移、丢帧和状态重置会让表面完整的数据失去训练价值，应保留原始日志与质量标记。
- 硬件与软件版本
- 时间同步和丢帧
- 内外参与坐标变换
- 重置、终止和异常
把成功、失败和覆盖度都设计进去
只采顺利演示会形成偏差。任务应覆盖不同对象、位置、光照、背景、操作者和失败类型，并控制变量，避免无法判断差异来源。
遥操作数据还要记录控制设备、延迟、接管、操作员和任务难度；不要把操作时间直接当作有效数据时长。
- 场景与对象分层
- 成功、失败和中止标签
- 操作者与控制方式
- 覆盖矩阵和抽样计划
按质量门与数据卡交付
每批数据先自动检查格式、帧数、时间、范围和缺失，再由人工抽检任务语义与标签。问题需要能追溯到设备、场景、操作者和采集版本。
最终交付包含数据、schema、读取样例、版本、质量报告、已知限制和授权边界。训练结果可以作为适用性证据，但不应把一次模型提升写成普遍保证。
- 自动校验与人工抽检
- 问题批次隔离和返采
- 数据卡与变更记录
- 授权、留存和删除
| 质量门 | 检查内容 | 建议证据 | 失败处理 |
|---|---|---|---|
| 可读 | 文件、schema、编码、单位 | 校验器和读取样例 | 隔离并重导 |
| 对齐 | 时间戳、帧、坐标和标定 | 同步统计与回放 | 校准或返采 |
| 语义 | 任务、事件、成功/失败标签 | 抽检记录与双人复核 | 重标或补采 |
| 合规 | 授权、隐私、范围和留存 | 数据卡、授权与访问记录 | 删除、脱敏或停止交付 |
核验来源与方法
实际决策应同时核对准确型号的厂商资料、接口文档、代表性测试和书面项目基线。站内技术目录用于发现与交叉核对，不替代最新一手资料。
限制条件与不承诺事项
- 不在未核验设备权限、传感器通道和采样频率时承诺数据规格。
- 采集小时、episode 数或文件大小不能单独代表数据有效性或模型效果。
- 涉及人物、语音、商业场所或敏感生产数据时，必须先完成相应授权和合规评估。
- 数据集不能保证模型达到特定指标；效果取决于任务、分布、算法、训练和评测设计。
页面中的能力、价格与周期均为条件性规划信息，不构成性能、收益或交期保证；最终范围以书面配置、测试记录、报价与合同为准。
常见问题
机器人数据采集怎么计价？
取决于机器人与传感器、任务难度、场地、操作者、采集时长、有效率、标注、质量标准、数据量和交付格式。建议先试采再估算。
可以采真机遥操作数据吗？
可在准确设备支持、场地和安全条件允许时设计，需确认控制设备、频率、延迟、动作与状态记录、接管和失败标签。
如何判断数据能不能训练？
先用小批次完成读取、回放和目标训练/评测链路，检查同步、标定、分布、标签和授权；不能只看视频是否清晰。
能否保证模型效果提升？
不能。数据只是模型结果的一部分，应在固定基线和评测集上验证，并记录算法、版本和实验条件。