我们复盘了 342 个数据集、1711 个任务，发现一个共性：模型效果不好，往往是数据集质量的问题。

一个常见的疑问：数据录得越多，模型效果为什么反而变差？

机器人从数据中学习画面与动作的对应关系。如果训练数据总来自固定工位、固定摆放和相似的光照，模型可能学会了这一种操作，却不知道物体换个位置、背景多了遮挡后该怎么做。

具身任务中，机器人每做一步，看到的画面都会改变。前一步抓偏了，后续遇到的情况可能就超出了训练数据的覆盖范围；模型还会基于这个新的画面继续动作，让误差逐渐累积。因此，训练过程看起来正常，也不代表机器人到了现场依然可靠。

一条真机数据，记录了什么？

一次机器人遥操完成指定任务，留下的通常不止一段视频，还包括：

• 视觉信息：相机画面、机器人关节和夹爪的状态。

• 关节信息：操作者的输入、下发给机器人的动作指令。

• 任务信息：任务内容、物料、采集场景、设备标定信息，以及任务是否成功。

这些记录必须彼此对应。比如，画面里夹爪刚碰到物体，动作记录却显示已经夹紧，模型就可能学错抓取时机。相机位置发生变化，也要确认标定信息是否同步更新。多路数据的时间戳如果没有对齐，画面和动作甚至可能来自操作的不同阶段。

什么样的数据值得用？什么样的数据集需要丢弃？

值得用的数据，应该记录准确、动作可执行，并且能覆盖目标现场。画面、机器人状态和动作在时间上对得上；轨迹符合目标机器人的能力；样本包含现场常见的物体、位置、光照和遮挡变化。失败与恢复过程也有价值，前提是记录完整、原因清楚。此外，数据应能追溯到采集场景、设备、标定版本和成败判定标准。

以下情况通常需要剔除，或修复后再使用：

1. 关键记录缺失或损坏：画面严重遮挡、传感器中断、重要状态缺失，无法判断机器人当时看到了什么、执行了什么。

2. 时间对齐错误：画面、机器人状态和动作指令对应不上，且无法可靠校正。

3. 标定信息不可信：标定文件缺失、坐标系混乱，或采集过程中相机和设备位置改变却没有重新标定。

4. 动作标签含义不清：无法确认记录的是操作者输入、控制目标还是机器人实际执行结果，导致标签前后不一致。

5. 轨迹明显不可执行：动作超出机器人的关节、速度或控制限制，且无法转换为可执行轨迹。

6. 任务结果无法判定：成功标准不清，或关键操作过程缺失，无法确认任务是否完成。

重复样本、单一场景的数据通常不必全部丢弃，但不能把它们当作充分覆盖。失败和异常样本也不应因为“没做成功”就删除；只要过程记录可信、失败原因可辨，它们就可能帮助模型学习边界和恢复方式。

处理时可按“保留、修复、剔除”分类：记录可靠且适用的样本直接保留；时间戳、元数据等问题能够准确补正的先修复；核心过程无法还原或动作与观测无法对应的，再从训练集中剔除。

采集时有哪些注意事项？

• 采集前，先把任务和判据说清楚。 明确机器人要完成什么、怎样算成功，以及需要覆盖哪些物料、位置和环境变化。先试采一小批，回看画面、状态和动作是否对应，再正式扩大采集。

• 采集中，确保设备和记录稳定。 检查相机、机器人和夹爪状态，确认时间戳正常、画面没有持续遮挡、数据没有明显丢帧。记录设备与标定版本；如果相机或工位位置发生变化，应重新检查标定。遥操作输入和机器人实际执行动作的差异也要明确记录。

• 让数据反映真实作业。 操作节奏尽量贴近现场，不要为了得到“漂亮轨迹”而刻意放慢、反复摆正物体或只保留理想成功过程。物体位置、光照、遮挡等条件要有计划地变化，避免大量样本集中在同一种情况。

• 保留失败和恢复过程。 抓空、滑落、碰撞、超时、人工接管等情况不要随意剪掉，并记录失败原因和后续处理。这些样本能帮助判断模型在哪些情况下容易失效，人工介入恢复数据也是一种珍贵的数据集。后续博客可以重点介绍~

• 采完及时质检和整理。 抽查画面与动作是否对齐，标注任务成败和异常，检查标定及元数据是否齐全，并标记重复或损坏的记录。发现问题时尽早定位到具体批次，避免缺陷数据混入后续训练。

最后一步，真实任务的检验

数据集是否有用，最终要看训练后的模型能否应对目标现场的变化、稳定完成任务。采集前明确覆盖范围，训练前筛查数据质量，测试后针对失败场景补采，才能让数据持续改进。

很多时候，模型效果受限于数据。与其一味增加样本，不如先把数据采准、整理好，再用真实任务验证它是否带来了提升。

下一期，我们聊聊遥操采集里那些容易被忽略、却会影响模型效果的误区。