项目深度页

RoboData Workbench

一条自研的机器人演示数据生产线:真机数据从接入、质检到训练就绪数据集交付, 全程平台内完成。这一页把它的流水线设计、质检门禁和交付验证讲透。

v0.8.0React + TypeScript · FastAPI 本地服务
5 / 3,562SO-100 子集 / 帧完成限定范围验收
246Python 测试通过(另有 7 项按条件跳过)
SHA-256交付包哈希校验与独立验包
// CURRENT WORKBENCH

v0.8.0 工作台与数据视图

先看当前 React 工作台,再查看多相机布局与公开样本的静态帧证据。每张图都注明真实数据与构造演示的边界。

RoboData v0.8.0 React 工作台:Episode 视频、状态曲线、时间轴和检视面板
当前 v0.8.0 工作台 · FastAPI 本机服务截图,SO-100 单相机批次。
ALOHA Coffee 四相机布局验证截图
四相机布局验证 · 视频帧来自已验收数据;批次与相机元数据为演示构造,不作为 ALOHA 转换业务状态证据。
ALOHA Coffee Episode 0 四路相机的静态抽帧时间轴图
ALOHA Coffee Episode 0 · 公开交付视频的静态抽帧拼图,用于核对同一时刻各路均有画面;不代表硬件同步。
RoboData 历史版本质检界面
历史质检界面 · 早期页面仅作迭代记录,当前工作台以 v0.8.0 截图为准。
工程补充:本地规模实验覆盖表格质检 1k / 5k / 10k 合成行,另以真实 ALOHA Episode 0 表格交叉验证;ROS2 MCAP 解析目前是隔离的 Float64 合成示例,未接入主流程,也未用实机数据验证。
// WHY

为什么需要一条流水线

机器人演示数据的交付传统上靠人工拷贝、人眼复核、口头约定格式。数据一多,三个问题立刻出现:

质量不可控

时间戳错位、缺帧重复、异常轨迹混在数据里,等到训练侧才发现,定位一轮要几天。

交付不可信

文件拷过去就完事,对方无法确认内容没被改动、格式没被破坏,信任靠人。

人工复核贵

每一批都靠人眼看,复核成本随数据量线性涨,还看不全。

// APPROACH

八节点流水线,人工与自动混合编排

每个节点是一个独立环节,自动节点负责确定性工作,人工节点只在机器拿不准的地方介入。 点击节点查看说明。

自动节点 人工 / 人机协同节点 格式转换节点
点击上方任一节点查看职责说明。
// QUALITY GATES

质检门禁交互演示

下面是一条合成 episode 的抓取轨迹(200 帧)。勾选缺陷类型注入脏数据,四道质检门禁会实时检测—— 这就是流水线里"质检未通过 → 不进转换、不进交付"的强制拦截逻辑。

✓ 全部通过 → 进入转换与交付
* 本页数据为程序合成的演示数据,非真实采集数据
// TRUST

交付可信验证

"交付完成"不是拷贝结束,而是对方能独立验证。三道验证全部留痕:

STEP 1

官方 LeRobot 库离线加载

交付数据集在隔离环境用官方 LeRobot 库加载,格式与官方训练管线兼容。

STEP 2

PyTorch DataLoader 批读取复核

按训练侧真实读取方式批量取数,确认帧序、维度、字段在训练场景下无变形。

STEP 3

SHA-256 防篡改

交付包独立解包 + 全量哈希校验,任何字节级改动都可被发现。

查看源码与完整实现

v0.8.0 React 工作台、FastAPI 本地服务、246 项 Python 测试与独立转换环境。