在工业场景机器人训练数据采集项目中，进入产线后的工位选择直接影响数据可用性与项目进度。工程实践中，按便利性随意选择工位，往往导致数据返工和链路验证滞后。本文从工程实践角度，给出工位筛选的评估维度、优先级划分方法与现场踩点流程，可作为入厂采集的标准操作参考。

一、工位选择的工程影响

实践中工位误选主要带来两类问题。其一，不同工位的操作构成差异显著，以搬运为主的工位动作重复度高、接触类型单一，单位时长内可提取的有效训练样本有限；含精细手部操作的工位动作变化丰富，单位时长的数据密度明显更高。随意选择工位会造成采集配额的隐性浪费。

其二，前期工位决定数据链路的验证节奏。采集、标注到训练验证的pipeline需要一批干净可用的数据才能完整运转，链路及时跑通是项目继续投入的决策依据。工程上建议将工位筛选作为进场后的前置任务完成，再启动正式采集，而非边采边选。

二、训练任务清单的前置对齐

工位筛选启动前，应先完成训练任务清单的梳理，明确模型在当前阶段需要学习的动作类型与需要覆盖的来料状态。清单确定后，工位评估以清单为锚点：每个候选工位需标注其可覆盖的清单项，无法对应清单项的工位即便位置便利，也不进入高优先级名单。工程上建议将清单作为踩点携带文件，现场完成标注，避免脱离任务目标做工位选择。

任务清单建议按动作类型与来料状态两个维度分层组织：动作类型层标注目标操作（如插扣、对位、贴边），来料状态层标注正常批次与边界批次的覆盖要求。分层后的清单可直接映射到工位评估项，减少现场判断的二义性。清单发生变更时，工位优先级需同步复核，保持两者一致。

三、工位筛选的五个评估维度

维度一：代表性。评估该工序在同类产线中的通用程度。通用工序在多产品、多产线间复现率高，采集数据的迁移复用范围大；绑定单一型号的专用工序复用范围窄。工程上可通过产线工艺表比对，或直接向产线管理人员确认该工序在其他产线的存在情况。

维度二：数据价值。评估操作中的接触类型与精细程度。插扣、对位、贴边类操作包含丰富的手部姿态变化、接触瞬间与力控微调，属于策略学习的高价值样本；路径固定、接触简单的搬运操作样本增益有限。评估时应统计单循环内的接触次数与双手协同程度，作为量化参考。

维度三：可采性。评估现场物理条件，包括机位架设空间、光照覆盖与动线干扰。三脚架支撑范围不足、光源被上方设备遮挡、支架侵入工人作业动线，都会造成画面残缺或采集中断。工程上要求对候选机位做实测，记录可用架设点、照度区间与遮挡物位置。

维度四：配合度。评估工位操作人员的意愿与产线管理人员的支持程度。配合度直接影响采集效率与动作还原度：非自然状态下的操作在数据回放中可辨识，会降低样本真实性。该维度以沟通结果为准，不建议在配合条件未达成时强行架设设备。

维度五：安全与节拍。安全方面评估机位是否占用安全通道、是否邻近运动机构，不满足安全要求的工位直接排除。节拍方面评估采集能否在不改变生产节奏的前提下完成，任何要求工人放慢或拆解动作的方案都会破坏数据与真实生产的一致性。工程上的处理原则是机位配置迁就生产节拍，而非反向调整。

四、三级优先级划分规则

完成五维评估后，将候选工位划分为三个优先级。优先级P1（先采）：代表性、数据价值与可采性均满足要求的工位。P1工位的任务是在短周期内产出可用数据，完成端到端pipeline验证，建议控制在两到三个，保证采集深度。

优先级P2（补采）：代表性满足，但可采性或配合度暂不满足的工位。处理方式为并行跟踪，随设备挪位、照明调整、沟通推进等条件成熟后逐个纳入采集，不建议为等待单一工位而停滞整体进度。

优先级P3（暂缓）：代表性低、安全风险高或对产线干扰强的工位。该类工位投入产出比不成立，处理方式为明确暂缓并书面记录原因。工程上，及时排除低价值工位有助于将人力集中在高优先级目标上。

五、现场踩点流程（半天）

踩点安排在正式采集前，时长约半天，分为三个阶段。巡线阶段：沿产线完整行走两遍，头一遍不做停留，建立工序流转的整体认识；第二遍在候选工位前停留观察。

工位勘察阶段：对每个候选工位完成四项记录——经现场许可后拍摄环境照片、实测机位空间、记录光源与遮挡情况、计时一个完整操作循环的节拍。拍摄动作须事先取得操作人员与现场管理同意，避免触发现场管理冲突。

对齐阶段：当天依据五维度完成打分，每项评分附现场依据，随后与产线管理人员确认三级名单。工程上要求名单当天闭环，不建议隔日决策，以免现场观察信息衰减。

记录规范方面，建议采用统一的工位记录卡，每个候选工位对应一组结构化字段，五个维度各设独立记录行，勘察时现场填写，不采用事后回忆补录。记录卡同时作为补采阶段的输入，P2、P3工位的归档原因与再评估条件可直接从卡面获取，减少重复勘察。

勘察过程中还应确认工位操作的跨班次、跨批次差异。来料公差与批次状态变化会引起操作力度和手势的调整，此类自然波动属于样本设计的一部分。建议在记录卡中增设波动确认项，通过向不同班次操作人员问询完成标注，仅观察单个班次容易遗漏该类差异。

六、名单复核与动态维护

打分初稿完成后，应安排一次独立复核：由未参与现场踩点的成员依据记录卡审查评分依据的充分性与分档合理性。未形成现场印象的复核者更容易识别评分过松的工位。名单定稿后同样需要动态维护，每次补采启动前以五维度重新评估，条件变化时调整优先级归属。

七、两类常见偏差及修正

偏差一：仅选择作业高度规范的工位。此类工位产出的数据画面整齐、动作标准，但样本中缺少异常状态与自然波动，模型在真实产线遇到偏差时泛化能力不足。修正方式为在规范工位之外纳入一个波动幅度正常的工位，使样本覆盖真实生产中的自然偏差。

偏差二：前期并行工位数量过多、一次铺开过广。人力分散会导致单工位采集深度不足，样本总量可观但有效样本占比偏低。修正方式为将P1控制在两到三个工位，待动作类型与操作变体覆盖充分后再逐步扩展。

整体来看，工位筛选的核心是以五维评估替代便利性决策，以三级优先级约束采集节奏，以当天闭环的踩点流程保证判断依据可靠。上述方法在多个工业采集项目中得到验证，欢迎结合具体产线条件调整使用。