如何为第一视角双目人类演示数据写验收标准

采购第一视角双目人类演示数据，不等于采购普通视频。对机器人学习、模仿学习与基础模型团队来说，数据集有多好用，取决于你写进工作说明书（SOW）里的验收标准。含糊表述——「高质量」「同步双目」「位姿不错」——会在交付后变成扯皮。精确、可度量的标准，能让双方在录制第一条 episode 之前，就对「可验收小时」的含义达成一致。

本文是面向买方的实用指南，说明如何为第一视角双目人类演示数据写这些标准。依据是一份可自行核验的公开样片：两条 episode、4,914 帧、合计 163.47 秒（EP001 电脑接线 121.57 s；EP002 补货 41.90 s），以 LeRobot v3 发布在 Hugging Face，许可为 CC BY-NC 4.0。样片背后的核心主张——也是 SOW 应保护的主张——很简单：时间戳是设备记录的，不是事后算出来的。

为什么第一视角双目演示需要验收标准

第一视角双目采集的是带几何与时间结构的第一人称双目彩色视频，这些结构是单目片段没有的。下游管线依赖它们：立体深度与三角测量需要标定基线与低重投影误差；多传感器融合需要设备侧时间戳与连续 IMU；策略训练需要一致的帧时序与文档化的 schema（如 LeRobot）。

若 SOW 只写「提供带 IMU 与位姿的双目 RGB」，你其实还没规定：

• 双目是硬件同步，还是事后软件对齐
• 时间戳来自设备时钟，还是离线插值
• 每批交付附带哪些标定产物
• 数据集加载时必须通过何种格式校验
• 场景多样性如何计数，以及与采集产能如何区分

这些缺口会变成返工、拒收批次与训练延期。下面把每类风险翻译成可直接粘贴的验收条款。

1. 采集几何与视频包络

先把每条可验收 episode 的光学与时间包络写清楚。

建议 SOW 表述

• 双目彩色 RGB，每目 1920×1200，30 fps，硬件同步双目。
• 帧间隔必须稳定：中位数、p99 与最大值一致，约为 33.28 ms，0 帧超规。
• 逐帧时间戳必须 100% 覆盖、设备侧、无插值。

为什么重要：买方若只要求「30 fps 双目」，仍可能收到软同步、时钟漂移的流。硬件同步 + 中位数/p99/最大值同为约 33.28 ms + 零超规帧，才是可判通过/失败的测试。要求设备侧时间戳全覆盖并禁止插值，才能锁住「时间戳是记录的，不是计算的」这一核心主张。

2. IMU 连续性与曝光窗采样

第一视角演示是头戴采集。头部运动与视觉流强耦合，因此 IMU 标准应与视频写在同一验收块。

建议 SOW 表述

• 六轴 IMU，实测约 300.48 Hz。
• 每个曝光窗 10 个 IMU 样本。
• 连续 IMU 流：在所述样片规模下，约 18,050 个连续样本，0 处间隔大于 10 ms。
• 与视觉帧一并交付逐帧 6-DoF 头部位姿。

为什么重要：稀疏或有缺口的 IMU，会迫使下游在样本之间「编造」运动。规定实测速率、每曝光窗样本数与硬性间隔阈值（无 >10 ms 的缺口），连续性才可审计。再配上逐帧 6-DoF 头部位姿，位姿与像素落在同一时间线上。

3. 双目标定产物与几何质量

没有随货标定的双目是不完整的。验收应同时要求参数集与可量化残差检查。

建议 SOW 表述

• 交付内参/外参标定产物：K、KB4、R1/R2、P1/P2、Q、IMU↔相机外参，以及 标定版本标识。
• 双目基线约 60.7 mm。
• 几何质量门（来自代表性公开样片规模）：Sampson 中位数 0.166 px，立体重投影 0.800 px，内点 15,811。

为什么重要：点名矩阵与外参，可避免「标定可按需提供」。标定包版本化，便于跨数月量产追踪漂移。残差指标（Sampson、重投影、内点数）给 QA 数值拒收阈值，而不是主观「看起来对齐」。

4. 数据集 schema 与许可

格式摩擦会拖垮评估节奏。加载器与许可应提前写死。

建议 SOW 表述

• 以 LeRobot v3 交付，可通过 LeRobotDataset() 加载。
• 数据集须通过 Physical-Intelligence/pi-data-sharing 检查。
• 许可：公开样片参考为 CC BY-NC 4.0；商用交付条款按 SOW 约定。

为什么重要：「兼容 LeRobot」含糊。要求 LeRobot v3 且 LeRobotDataset() 加载成功，是二元门。再要求通过 Physical-Intelligence/pi-data-sharing，可减少定制适配。许可写清，可避免团队内部分叉共享时的再分发意外。

5. 以公开样片为参照物

不要在没有已发布参照的情况下接受供应商首批货。可核验样片把营销主张变成可复现检查。

该类公开样片见 https://huggingface.co/datasets/tatezhou/ego-stereo-cn-v1 与产品站 https://10khoursdata.com。内容包括：

SOW 提示： 把验收附录指向该样片（或等效封存夹具），并要求每批量产在相同测量脚本下达到或优于同一组数值门。

场景库叙事边界：库中仅 EP001 与 EP002 是我方设备采集。不要在 SOW 中把其他库内片段写成我方设备录制。

6. 场景库 vs. 量产产能

买方常把 场景库（用于定范围的内容多样性）与 采集产能（每月可交付多少可验收小时）混为一谈。在 SOW 里分开写。

场景库（定范围参照）
可引用 85 条 / 9 类 场景库做覆盖规划：

• 工厂装配：20
• 电子装配：19
• 居家：17
• 食品与农业：10
• 服装缝纫：8
• 包装：6
• 零售：2
• 仓储物流：2
• 后厨：1

用于讨论任务组合与边界情况。不要把非 EP001/EP002 的库内片段当作我方设备双目采集。

量产产能
另行规定交付吞吐：产能 10,000+ 可验收小时/月。「可验收」应指已通过双目、IMU、时间戳、标定与 schema 门的小时数——不是原始录制时长。

可粘贴 SOW 清单

把下面整块复制进 RFP 或 SOW 附录；仅在项目需要更严门槛时再改阈值。

[ ] 双目彩色 RGB，每目 1920×1200，30 fps，硬件同步双目
[ ] 帧间隔：中位数 = p99 = 最大值 ≈ 33.28 ms；0 帧超规
[ ] 逐帧时间戳：100% 覆盖、设备侧、无插值
      （核心主张：时间戳是记录的，不是计算的）
[ ] 六轴 IMU ~300.48 Hz；每曝光窗 10 样本
[ ] IMU 连续性：0 处间隔 >10 ms（样片参照：18,050 连续样本）
[ ] 与视觉帧对齐的逐帧 6-DoF 头部位姿
[ ] 双目基线 ~60.7 mm
[ ] 几何 QA：Sampson 中位数 ≤ 0.166 px；立体重投影 ≤ 0.800 px；
      样片规模下内点 ≥ 15,811（或量产批次等效密度）
[ ] 交付标定：K、KB4、R1/R2、P1/P2、Q、IMU↔相机外参、标定版本
[ ] 交付 LeRobot v3；须能用 LeRobotDataset() 加载；须通过
      Physical-Intelligence/pi-data-sharing
[ ] 公开样片参照：2 episodes / 4,914 帧 / 163.47 s
      （EP001 电脑接线 121.57 s；EP002 补货 41.90 s）
[ ] 许可 / 商用条款已文档化（样片：CC BY-NC 4.0）
[ ] 场景组合规划可引用 85 条 / 9 类；该叙事中仅 EP001/EP002
      为我方设备采集
[ ] 月产能以可验收小时表述（参照：10,000+ 可验收小时/月）
[ ] 软交付门：上述任一项硬勾选失败则拒收该批

采购中如何使用清单

1. 在 SOW 中附上公开样片 URL，让工程在开工前复现测量。
2. 定义「可验收小时」：已通过视频、IMU、时间戳、双目 QA、标定打包与 schema 检查的小时。
3. 区分定范围与供给：用 85 条 / 9 类库做内容设计；用 10,000+ 可验收小时/月做体量承诺。
4. 在任何场景库叙事中保持 EP001/EP002 为我方设备参照，避免过度主张设备来源。
5. 要求标定版本化，使后续批次仍可与第一周验证批次可比。

按这种方式写标准的团队，会少花时间争论「同步质量」，多花时间训练真正能加载、能三角测量、能融合的数据。

下一步

若你正在起草 SOW，请从公开样片起步——两条 episode、4,914 帧、163.47 s 硬件同步第一视角双目，含设备侧时间戳、连续 IMU、随货标定与 LeRobot v3 打包——再把上面的清单贴进附录。

• 样片数据集：https://huggingface.co/datasets/tatezhou/ego-stereo-cn-v1
• 产品站：https://10khoursdata.com
• 联系：tate@10khoursdata.com

先请对方讲解样片时序、IMU 与双目残差是如何测的，再把同一套脚本镜像为你的验收测试。这是从含糊的「双目演示数据」行项目，走到可交付、可审计的第一视角人类演示供给的最短路径。