TeleXperience：数据比动作更像坑

周末折腾了一下 TeleXperience，踩了不少坑。

它是艾欧智能的遥操作平台。遥操作就是人在远处用 VR 和动捕设备控制机器人，动捕即捕捉人体姿态，把动作录成训练数据。具身智能需要真实世界数据，所以这类平台常被用来采训练集。我这边没完整搬回家，只在朋友公司现场看了真机链路，又按文档跑了 TeleBox 的开箱 Demo。

我先把任务拆小，桌面抓取、双臂递物、人形站立微调。遥操作背后要把操作员动作、机器人响应和传感器数据对齐，录出来的也不只是一段视频。

准备清单大概是这样，一台能跑网页 Demo 的笔记本，文档里叫启动 Vuer，本质是浏览器里的仿真页面；VR 头显和动捕服，负责把人体姿态映射到机器人；机器人本体或仿真环境，真机需要网络、安全区和急停流程；采集前定义字段，任务名、成功失败、操作员、时间戳、相机通道。

我有个量化老毛病，先问数据 schema。动作漂亮没用，落盘字段乱，后面清洗成本很高。

开箱 Demo 比想象中直观。网页里能看到机器人模型，旁边有多路摄像头画面，也能看到动捕可视化。操作员抬手，仿真机器人跟着动。真机现场没这么干净。销售视频里动作很流畅，到现场才知道，流畅前要先做 VR 和动捕联合标定。标定没做好，操作员感觉自己在直线移动，机器人末端会偏。这个偏差很像交易里的滑点，执行过程把信号污染了。震动和音频反馈要看硬件配置，现场不是所有构型都完整。

最让我警惕的是时间戳。摄像头画面、动捕姿态、机器人关节状态如果没对齐，模型会学到错误因果。操作员停手，画面可能还在拖影；机器人到位，日志可能晚一帧。这种问题不会报错，只会悄悄拉低策略稳定性。

我用 Python 脚本扫了一遍导出的片段。没发现特别离谱的问题，但有一个任务里失败和成功片段混在一起，标注字段空着。现场操作员赶进度，先采了，后面清洗会想骂人。

另一个坑是任务太宽。桌面抓取如果不限定物体位置、光照、手爪姿态，采集出来数量看着不少，但样本分布很散，像回测里随机抽了一堆行情。数据量上去了，模型不一定更稳。

如果团队已经有机器人、有明确任务、有人维护网络标定和清洗数据，这类平台能省不少重复开发。它真正有用的是把多设备、多通道、多机型的采集流程统一起来。

如果只是想给一个人形机器人配个遥控器，或者没有数据治理习惯，不建议直接上。硬件适配、标定、同步、标注，每一项都是成本。

它打动我的地方是数据基础设施形态比较完整。让我不放心的是高精度真实世界数据这句宣传，最终还是要靠现场纪律兑现。