具身智能数据采集是什么？

具身智能数据采集（数采，Robot Data Collection）是指在机器人执行任务的过程中，同步记录"观测（摄像头图像、关节状态）+ 动作（关节指令）"配对数据的过程，通常由人类通过遥操作示教完成。这些数据是训练 VLA 模型与模仿学习策略的原料——模型能学到什么，取决于采到了什么。

主从臂遥操作采集流程

主从臂（leader-follower）是常见的真机数采方案：

操作员拖动轻量化的主臂（leader），从臂（follower）实时复现主臂的关节运动；
系统以固定频率（通常 30-50 Hz 以上）同步记录多路摄像头图像、从臂关节状态与动作指令；
每完成一次任务保存为一条轨迹（episode），一个任务通常采集数十到数百条；
数据经筛选、对齐后进入训练管线。

当主从臂在关节空间一一对应时，示教较直观，也可减少在线运动学映射的复杂度。BXI UpperBody 1 双臂遥操作平台采用双主臂 + 双从臂架构，可接入 ROS2 数据录制工作流；具体接口与数据格式以项目配置为准。

真机数据 vs 仿真数据

真机数据：包含真实的摩擦、形变、光照与传感噪声，训练出的策略可直接部署，但采集成本高、依赖人力；
仿真数据：可大规模并行生成、成本低，但与实机存在差距，需通过 Sim-to-Real 技术弥合。

实践中两者常混合使用：仿真提供规模，真机数据锚定真实分布。

模仿学习如何消费这些数据

以 ALOHA/ACT 为代表的路线，直接用主从臂采集的双臂轨迹训练策略：ACT（Action Chunking with Transformers）把未来一小段动作作为整体预测。所需示教数量取决于任务难度、数据质量和泛化范围；这类方法说明“遥操作数采 + 模仿学习”是具身智能策略训练的一条实用途径。