検査室の各所が必要とするテレオペレーションデータ品質チェックリスト
校正,遅延予算,アクションの平滑,失敗復元ラベル,エピソード境界線,インターフェース選択 <unk> 高品質のテレオップデータに関する専門家チェックリスト.
遠隔操作データこそが現代のロボット学習の原料です. また下流モデルが沈黙的に失敗する最も一般的な場所です. 政策を発送する前に,すべてのラボがチェックリストをチェックします.
シリコンバレーのロボットセンターの研究チームによって2026年3月27日に出版されました
TL;DR. 政策の質はデータ品質によって制限されます.データ品質は主に6つの要素によって決定されます.校准,遅延,アクションの平滑,エピソード境界規律,失敗復元ラベル付け,インターフェース選択.ほとんどのラボはこれらの2つまたは3つで失敗し,それを知らない.新しいタスクまたは新しいデータ収集キャンペーンを始めるたびにこのチェックリストを実行します. 源で問題解決する 処理後では問題解決する
1.校準:前提条件
カリブラーションエラーは,下流学習信号を汚染します.もしカメラの外部が火曜日から木曜日の間,2cmに漂っている場合,共同データセットで訓練されたポリシーが混乱したオブジェクト位置分布を学習します.私たちのガイドは,全カリブラーションスタックをカバーします.
カリブレーションチェックリスト
- データの収集セッションの開始時に外部の校正を実行します.
- ロボットやカメラの設置に 物理的な衝突の後再校正します
- 記録されたエピソードとともにバージョン制御の校正ファイル
- 記録の校正残留物;残留物が事前に合意された限界を超えたセッションを拒絶する.
- 双手機では 両腕を共有する世界枠に 校正する
- 握手機を指交換後 0 の位置に校正する
2.遅延:開始前に設定しなければならない予算
遠隔操作遅延は,一流のデータ品質変数である. ~150 ms回帰以上,人間のオペレーターは動作分布を毒にする減速と超射で補償を開始する. ~300 ms以上,オペレーターは接触に富んだタスクをまったく信頼にできない. [遠隔操作におけるインターネット遅延処理] (T1
遅延チェックリスト
- 各セッション前にエンドツーエンド遅延 (コントローラがロボット運動への入力) を測定する.
- 分解:センサーからネットワーク,ネットワークからオペレーター,オペレーターからネットワーク,ネットワークからアクチュエーター.
- セッションレベルでの遅延予算を設定し実行する (巧妙な作業では <80 ms,テーブルタップでは < 150 ms)
- 予算を上回るセッションを 黙って入れないより
- タイムスタンプ付きのパーフカウンタを デモデータと共に記録する
3 行動の平滑:沈黙した腐敗者
ネットワークの緊張はさらに増やします. 騒音な原始操作に関するポリシーを訓練すれば,それは騒音を模倣することを学べるでしょう. 攻撃的に滑らかにすれば,スキルを機能させる接触微調整を失うでしょう.
標準的な推奨は,電車時間よりも記録時に適用される速度帯の10〜20 Hz帯の低パスフィルターです. ダウンストリームユーザが自分の呼び出しを行うように原始とスムーズなストリームの両方を記録します. アクションチャンキングアーキテクチャ (ACTポリシー説明書を参照してください)
行動の調整チェックリスト
- 原始と平滑のアクションストリームを記録する
- すべてのセッションで一致するフィルターを1つのデータセットで使用します
- フィルターパラメータをデータセットメタデータに記録する.
- 操作自連性ヒストグラムを検査する.操作者の入力周波数のピークは赤旗である.
- 記録側 (または逆) に一致しないように,部署側にスムーズ化を決して適用しないでください.
4 節目境界:最も一般的なラベル付け誤り
作業は,開始から完了,成功または失敗までの単一の一貫した作業であると考えられています.チームでは,エピソードが血を流すようにすることがあり,操作者はコーヒーを飲みながら立ち止まり,監督は質問に答えるためにセッションを休止し,誰も"終了"ボタンを押さないため,二つの作業の試みが結合します. 逆流の成功率の指標は 不確実なものになります
修正は技術的ではなく,操作的です. 開始と終了のエピソードを物理的に (足のペダル,大きなボタンを) 設定し,エピソード終了時に明示的な"成功"または"失敗"分類を要求し,毎週エピソード境界線のランダムな5%をレビューします.
エピソード境界チェックリスト
- 物理的なスタート/エンド信号 (ペダル,ボタンの)
- 劇集終了時に必須の成功/失敗分類
- 映像の原始映像に添付された 番組ごとに唯一の人身証明書
- 監査プロトコル: ランダムに採取された境界線の5%を週に1回再検討する.
- 期待される分布を超えた長さを持つエピソードを拒絶またはフラッグする.
5 回復標識失敗
操作者は間違いを犯し,回復します.これらの回復は,あなたが収集できる最も貴重なデータです. 悪い状態から抜け出す方法を政策に教えます. しかし,ラベルが付けられている場合にのみです.ラベルのない回復は,ポリシーに"物体を落として再び拾い上げ"という奇妙な示範のように見えます.
各エピソードに3つの異なる状態を標識する:名前の進歩,回復 (オペレーターが誤りを修正している) と中止 (エピソードが早期に終了している).この標識に訓練された政策は,各制度で異なる行動をとるよう条件付けられ,評価者は,どれだけの回復が必要であったかを示す成功率を分割することができます. 共通エラー カタログは [ロボット模倣学習における共通エラー] (
失敗復元チェックリスト
- 操作手帳に"復元"を明示的に定義し,例を挙げてください.
- 事業者は,後処理ではなく,直送を直接 (ボタンまたは音声) に表示するよう要求する.
- 軌道回復率は,各方向で異常な速度を持つ再訓練事業者.
- 復元を各データセットバージョンに保存するか除外するか決定し,決定を文書化する.
6.インターフェース選択:キネステティック vsリーダーフォロー vs VR vsグローブ
インターフェースの選択は,ほとんど他の決定よりもあなたのデータを形作ります. 主要な選択肢はそれぞれ署名があります.
運動学教育
操作者は重力補償モードでロボットの手腕を手動します.接触が豊富な作業のためにデータ品質が最高です.操作者は直接接触を感じます.長時間セッションでは,低速量とエロゴニクスが悪い.
リーダーフォロー (ALOHAスタイル)
操作者は,動力的に類似したリーダー腕を動かす.フォロワーはその腕を反映する.優れたエロゴノミクス,高通量,双手作業に適している.私たちの [ALOHAガイド]
VR/ARの遠隔操作
操作者はVRヘッドセットとハンドコントローラを使用します.長距離およびモバイルプラットフォームに最適です.新しいオペレーターにとって直感的です.トレードオフ:遅延は予算内で維持するのが難しく,ハンドトラッキングの忠実性は変動します. [VR遠隔操作企業と比較]
データグローブ/手追跡
操作者の手動きは直接捕捉され,手柄や手柄にマッピングされます.手柄操作は上手く行われ,手腕動きは弱く行われ,手柄の動きは弱く行われ,手柄の動きは最も硬件多様である.
インターフェイスチェックリスト
- 作業の支配的な動き (手腕対手手腕) に一致するインターフェースを選択します.
- データベースバージョンごとに1つのインターフェースを固めてください. インターフェースを混ぜることでドメインシフトが導入されます.
- インターフェースタイプ,ファームウェアバージョン,キャリブレーションを各エピソードで記録する.
- 選択されたインターフェースに特化した電車オペレーター; インターフェース選択の際の差異は,操作者のスキルに優勢がある.
操作者のエロゴノミクスについては [テレオペレーション疲労とエロゴノミクス] (T6
7 操作者の衛生
操作者の差は,ほとんどの研究者が認識するよりも大きい.5人のオペレーターによって収集されたデータセットは,より長い時間軸で1つのオペレーターによって収集されたものよりもクラス内差が多い.通常,タスクごとに2~4人のオペレーター,週ごとに回転し,共有トレーニングと週間のレビューセッションがあります.
- 成功と失敗の写真が写っているタスク仕様
- 訓練セットから除外された各セッションの開始時に10回のデモを"暖化"するセット.
- 週に3回の示例と3回の失敗のビデオを 共有しています
- 操作者レベルメタデータ 各エピソードで操作者成功率追跡
8\ データパイプライン衛生
データ品質は セッション属性ではなく パイプライン属性です ここで成功するチームは パイプラインを 生産ソフトウェアとして扱います
- 不変性原始* 原始記録を決して書き換えてはならない. 派生データセットは下流で構築されています.
- すべてのバージョン. データセットバージョン,校正バージョン,フィルターバージョン,注釈バージョン.
- 自動認証. 摂取されたすべてのエピソードには,時間,アクション範囲,カメラの落落としなどについて,合格/失敗チェックが表示されます.
- ランダムサンプルレビュー * 人間は毎週1~5%のエピソードをレビューする.
- ** 削除 規律*** 事件が悪いと判断したら,それを記号に付け,削除しないでください.
データベース・カタログ (データセット・カタログ) 及び [データサービス] 提供は,このパイプラインを基に構築されています. 構築とアウトソーシングの評価をする場合,有用です.
9 常識の罠
- 1つのデータセットにインターフェースタイプを混ぜる. 悪いドメインシフト,損失曲線に見えない.
- 静かな時計漂移. カメラとアクチュエーターを単一の単調な時間源に同期する.
- 清潔なエピソード500回が 2000回に勝った
- ** 待ち時間はありません.** 訓練中に決して見られない操作者/シーン/オブジェクトのテストセットを予約してください.
- ** 端のケースを無視する.** 失敗復元データと名前の外なオブジェクトポーズは最も価値のあるスライスです.
10 締めくくりの注釈
遠隔操作データ品質を厳しくする毎時間,下流デバッグの約10時間節約します.上流修正は,下流救済よりもほぼ常に安くです.データ収集を生産学科として扱います. 最新の研究員に手渡された作業ではありません.
標準的な業務の一環として [データサービス] (T10
このチェックリストを印刷します. このチェックリストは,データ収集室の壁に保存されます. 新しいタスク,新しいオペレーター,新しいハードウェア更新ごとに実行します.
11 頻繁に聞かれる質問
効果的な政策には 何エピソードが必要か?
狭い,明確な単腕作業で,クリーンデータを持つ場合,通常200400エピソードは,OctoやOpenVLAを研究デモ品質に細かく調整するのに十分である.二手作業には通常,同様の品質の5001000エピソードが必要である.その限界を超えて,作業分布が拡大しない限り,より多くのエピソードからの限界返済は急速に縮小する. 計算面については [予算でVLAトレーニングをスケールする]
部署環境や研究室でデータを収集すべきか?
部署環境で小さな,意図的に多様化されたコープスを収集します.ここで,あなたのラボデータだけが隠していたコバリアートシフトを発見します. 90/10のラボ-フィールド比率は合理的な開始分です.
生産データにはVRのテレオペレーションが十分か?
操作と移動作業では,遅延と手作業の調整に注意を払う. 手作業で手作業や接触型組み立てでは,リーダーフォローや手袋ベースのキャプチャは2026年に依然としてより高い品質のオプションです.
遠隔通信事業者はどのくらいの報酬を受けなければならないのか.
市場 料金 は,非熟練 の 遠隔 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信 通信
既存の公共データセットを使って 独自のコレクションを 飛ばすことができるでしょうか?
訓練前,そうです