1、设备选型：Ego 无本体采集，应该选择几目设备？为什么？

答：规模化商用数据集，标准配置选用 4 目鱼眼 Ego 采集设备。
2 目设备视野不足，盲区大，三维重建效果弱，大部分高端世界模型厂商不采用；
4 目鱼眼设备水平视野大于 270°，场景覆盖完整、标定稳定、算力开销适中、数据质量均衡，是当前具身智能无本体采集行业通用标准；
6 目属于高端旗舰配置，采集硬件成本高，数据冗余量大，标定难度高，一般只用于特殊定制项目，不适合量产通用数据集。
所以标准化、大批量采集，优先选用 4 目鱼眼 Ego 设备。

2、概念定义：什么是无本体数据采集？相比机器人本体采集有哪些优劣势？

答：无本体数据采集，是指不依赖人形 / 四足机器人本体、底盘、运动控制系统，由人员佩戴 Ego 头戴采集设备，模拟机器人第一视角，完成场景、动作、交互多模态数据采集的方案。
优势：

1. 不受机器人硬件限制，可在各类真实场景快速采集；

2. 采集成本低，可快速扩大数据量，场景泛化能力强；

3. 动作设计灵活，能够快速丰富机器人交互任务样本。
局限性：
采集载体是人，人体动力学、运动姿态和真实机器人本体存在差异，无本体数据适合用于场景感知、空间理解、任务决策模型训练；如果需要机器人本体动力学、关节运动精准仿真训练，仍需要补充机器人本体采集数据。

3、采集方法：Ego 无本体采集的标准化采集流程、场景与动作设计原则是什么？

答：标准化采集整体流程分为场景预审、采集脚本设计、设备预标定、现场采集、现场自检、样本初筛六个环节。
场景设计原则：优先选取真实落地场景，覆盖室内、半开放等多样化环境，兼顾简单场景与复杂干扰场景；
动作设计原则：动作符合机器人执行逻辑，动作连贯规范，尽量避免大幅度无意义晃动；采集员视角模拟机器人感知视角，保证动作、观察视角具备训练价值；
采集过程中，采集员同步遵守采集规范，避免遮挡镜头、快速剧烈转动，每段采集完成后现场自检，不合格片段直接重采，从源头控制数据质量。

4、时序规范：多模态数据如何实现高精度时间同步，硬件同步和软件同步差别？

答：我们采用硬件硬同步方案，RGB 图像、深度图、IMU、音频共用同一硬件时钟域，实现毫秒级时间对齐。
硬件同步：传感器硬件层面统一触发，时间戳漂移极小，时序稳定、可复现，满足世界模型、多模态感知训练的高标准要求；
软件同步：采集后依靠算法后期对齐，容易产生时序漂移、帧错位，长时间采集误差会持续累积，不适合具身智能高精度数据集。
我方数据集交付，全部采用硬件硬同步，拒绝软件后对齐方案。

5、标定标准：我们采用什么畸变模型与坐标系做内外参标定，设计思路是什么？

答：选用 Kannala-Brandt（KB）鱼眼畸变模型，坐标系采用 ROS ENU 标准坐标系（X 向前，Y 向左，Z 向上），交付 yaml+json 双格式标定文件。
设计思路：KB 是鱼眼镜头最适配的校正数学模型，解决鱼眼画面边缘拉伸扭曲问题；ENU 是 ROS 机器人生态广泛使用的坐标系。
这套标准可以直接适配约 50% 的具身智能、世界模型团队；其余客户仅需做简单矩阵坐标转换，无需重新采集数据。标定文件描述的是头戴 Ego 设备上传感器之间的相对位姿，不是机器人本体标定参数。

6、厂商兼容：不同机器人厂商内外参格式不统一，数据集如何适配？

答：不存在一套内外参参数可以直接适配全部机器人硬件，但我们提供一套行业通用标定包降低客户接入成本。
我方交付的标定参数，是Ego 采集设备自身的传感器相对位姿，用于训练阶段三维场景重建，不是给到机器人本体的控制标定参数。
解决方案：

1. 统一使用 KB 鱼眼畸变 + ENU 坐标系作为基准规范；

2. yaml、json 双格式同步交付；

3. 配套轻量 Python 坐标转换脚本；

4. 附带完整坐标系、畸变模型说明文档。
半数厂商拿到标定包可直接加载使用；剩余厂商只需要执行坐标矩阵转换，不需要重新采集数据。极少数特种机器人定制需求，可单独提供标定文件定制服务。

7、产品分级：数据集基础包、高级增值包、专业定制包分别包含什么内容？

答：三层产品包分级，按需交付：

1. 基础包：Ego RGB 视频、深度图、原始 IMU 数据、同步音频、毫秒级统一时间戳、KB+ENU 标准标定文件（yaml+json）；满足模型基础训练需求。

2. 高级增值包：包含基础包全部内容，增加自动质检标签、场景分类标注、Clef-omni 模型输出的样本价值打分、完整质检报告。

3. 专业定制包：包含高级增值包全部内容，额外提供坐标系 / 畸变模型转换、专项场景定向采集、自定义标签体系、定制化数据脱敏、专属文档，面向高端项目单独报价。

8、质量管控：规模化采集如何保障数据质量，Clef-omni 在质检中起到什么作用？

答：采用现场人工自检 + 后端多维度自动化质检双层质量管控体系。
现场采集完成后，采集员第一时间自检，过滤明显废片；后端分为两条校验链路：
① 传感器数据校验模块：校验时间戳对齐、深度有效性、IMU 数据流完整性、标定文件完整性；
② Clef-omni 多模态决策大模型质检：原生读取音视频，自动识别镜头遮挡、剧烈抖动、无效动作片段，自动判定场景与动作合规性，筛选高价值样本，批量剔除无效数据，大幅降低人工审核成本。
双重校验完成后输出质检报告，不合格样本直接剔除，保证交付数据集稳定达标。

9、合规版权：Ego 采集数据集如何处理隐私脱敏、肖像权，是否支持商用售卖？

答：整套采集流程建立隐私保护机制，数据集经过脱敏处理，满足商用交易要求。
采集前：场景预审，规避敏感场所、涉密环境；采集人员签署授权协议，确认肖像使用权限；
采集后：对画面内出现的无关人脸、车牌、隐私信息做脱敏模糊处理；
交付文件附带数据合规说明，授权客户可用于 AI 模型训练商用。特殊政务、国企项目，可按需补充合规证明材料。

10、落地应用：无本体 Ego 数据集主要面向哪些模型训练场景，核心行业价值是什么？

答：数据集主要用于具身智能世界模型、机器人多模态决策大模型训练，适配人形机器人、四足机器人、移动操作机器人。
训练侧重：场景感知、三维空间重建、任务理解、动作决策、环境交互预判。
行业核心价值：解决人形机器人行业训练数据不足、场景单一、采集成本高昂的痛点。无本体采集可以低成本、快速扩充真实环境下的交互样本，丰富模型的环境理解能力，提升模型在真实世界的泛化能力，为新质生产力下机器人落地提供高质量多模态训练数据。