示教质量，从人的动作进入机器的那一刻开始

先定义控制的是什么，再追求操作顺手

玩赛车游戏时，方向盘和摇杆都能表达“向左”，但转动幅度、回中方式和响应不同。遥操作 Teleoperation 也有同样问题：人的动作不是可以原样塞进机器人的通用指令。

主从机械臂常用关节映射：人移动主臂，系统把对应关节目标发送给从臂。手柄、手势或虚拟现实接口则可能控制末端位姿，需要解算关节动作并处理可达性。身体形态不同，直接复制角度往往不成立；关节限位、工具朝向、夹爪行程和坐标轴正方向都需要校验。

例如取右手坐标系绕正 z 轴旋转 +90° 的 R、缩放 s=0.5，操作者沿自身 x 轴移动 0.10 m，映射后是机器人沿 y 轴移动 0.05 m。若把 R 方向用反，目标就会朝相反一侧移动。旋转不能简单照搬这个位移公式，应明确姿态表示及参考系。

离合 clutch 允许操作者暂时解除映射、把手回到舒服位置，再继续控制。重新接合必须重设参考，避免手柄位置跳变变成机器人目标跳变。缩放和滤波能改善操作，但也改变动作分布；这些设置应记录到数据版本中。

一条顺滑示范，可能包含操作者对延迟的补偿

人若看到的是 150 ms 以前的画面，可能提前减速或反复微调。记录得到的并非“无延迟最优动作”，而是该接口条件下的行为。网络延迟变化还会让同样状态对应不同纠正方式；训练时不能只保留动作而丢掉观察历史。

示教标签也要选对：主臂读数经过映射后才是从臂目标，从臂实测位置则包含控制滞后。若模型训练输出命令目标，不能未经说明就用同时刻实测位置替代标签。反过来，实测状态仍然很重要，因为它揭示命令有没有真正执行。

多样性来自有计划地改变条件

先确定任务边界、成功条件、对象与摆放范围，再规划哪些条件被训练覆盖、哪些留给测试。围绕入盒任务，可按物体位置、朝向、光照、背景和操作者分组。不要把同一位置连续演示一百遍称为一百种场景；也不要无限增加变量，导致每个关键条件只有一条不可复核样本。

录制前验证标定、时间同步、夹具、相机和停止机制；录制后抽样回放。成功不只看操作者按了“完成”：应有任务结果标签及其依据。暂停、重新摆放、人与环境互动、设备复位都要划清边界，不能把复位过程混成自主策略需要模仿的动作。

只计算有效动作时间也会低估采集成本。若每条有效演示 25 秒、复位和检查另需 35 秒，80 条至少占用 80 分钟；其中有效演示只有约 33.3 分钟，还未计校准、休息和失败重录。生产率应同时报告接受轨迹数、有效时长和实际工时。

保留失败原因，分清模型该学哪段动作

只留成功轨迹，策略可能从没见过物体滑落后的状态；把全部失败动作无差别当作模仿目标，又会教它重复错误。更合理的做法是保留完整原始记录，标明失败阶段、原因和接管范围，再按训练目标构建数据：成功策略、恢复策略、失败检测器需要的标签并不相同。

人介入纠正时，应记录切换发生的时刻、控制权归属、策略原始建议与人工最终动作。否则训练程序可能把模型自己犯错的动作当成专家纠正。用于学习恢复的片段还应包含足够的前置观察，让策略知道自己为什么进入这个状态。

多个操作者可能采用不同但有效的抓法。把动作直接求平均可能得到一条没有人执行过、甚至不可行的路线。可以保留操作者与策略风格信息，或采用能表示多种动作模式的方法；具体选择应通过独立闭环评测验证，而不是凭训练损失决定。

硬件、接口与学习方法共同构成实验条件

2023 年 ALOHA使用主从双臂遥操作收集示范，并结合 ACT（Action Chunking with Transformers，基于 Transformer 的动作分块）学习。官方展示的一组实验每项任务使用 50 条示范，以 50 Hz 预测关节位置、动作块长度为 90；物体位置沿 15 cm 参考线随机化。它展示了限定设置下精细操作的可能性，不能外推成“任何任务录十分钟就能学会”。

DROID则强调跨场景采集：统一机械臂、腕部与外部相机、遥操作设备，并用可移动桌面进入不同环境。两种路线分别揭示了精细示范接口和场景覆盖的重要性；它们都不意味着采集人员可以绕过设备安全流程。

实际开始前，先沿数据合同做一条可回放、可解释的完整 episode，再扩大规模。把采集质量作为训练前的门禁，比训练失败后才猜测“是不是模型太小”更容易定位问题。真机操作的权限、保护和接管要求放在部署工程中统一检查。

把这一层放回完整机器人

返回具身智能知识地图，或沿本专栏继续展开：

• 一条机器人训练数据包含什么：轨迹、时间戳、坐标单位、任务与数据切分。
• 机器人评测：成功率之外还有什么：泛化、接管、恢复和统计不确定性。
• 真机部署：实时闭环与安全边界：延迟、功耗、限位限力、急停与日志。