DATA CAPTURE
具身智能数据采集：从任务出发的选型思路
具身智能数据采集不是堆传感器。先定义任务、有效样本和交付格式，再选择第一视角、夹爪、手套或臂环，并预留标定与质检。
- 具身智能数据采集
- 机器人示范数据
- 多模态采集
先问清楚要解决什么任务
采集开始前，先写清任务定义：动作分段、场景变量、失败样本规则，以及什么叫“有效 episode”。数量应以约定的有效样本或有效时长计，而不是把拍摄总时长直接当作可训练数据量。
高校实验室、企业研发与规模化数据交付对吞吐量和质检强度不同，但都需要同一套可追溯字段：设备与标定版本、时间戳、任务元数据。
按模态选设备，而不是按热闹选
第一视角示范常用 Ego Thor（Duo / Quad / Hex）按视场扩展；手持操作示教可用 UMI-gripper；需要接触分布时考虑触觉数据手套；研究肌肉形变相关信号时可加入 FMG + IMU 臂环。
人类侧观测不能直接视为机器人动作标签。轨迹估计、力学映射与跨本体迁移，需要额外标定和验证。
交付时看什么
一套可沟通的交付通常包括：采集协议、原始与派生数据包、批次质检报告，以及版本号、校验值与字段字典。细节由商务与工程清单确认。
相关常见问题
- Thor-Duo、Quad、Hex 怎么选？
- 按视场与任务复杂度选择：Duo 适合轻量第一视角起步，Quad 增加观察视角，Hex 覆盖更复杂操作上下文。相机数量不直接等于数据质量，视场、分辨率、帧率与同步仍需在选型时确认。
- Thor 输出哪些数据？
- 以多路视觉与 IMU 记录第一视角操作，为采集、标定与训练数据处理提供原始输入。视频与惯性保留原始数据；VIO、任务分段和人工标注作为可追溯的派生结果保存。
- 交付时会确认什么？
- 随设备确认固件、唯一 SN、相机及 IMU 标定文件与接口说明，并在实际采集条件下检查多目曝光、丢帧、续航和跨设备时间关系。
本文整理自公开产品与方案说明，不含客户名单或效果承诺。配置、装箱与验收以项目确认为准。