观测域与物理域：具身数据增强的能力边界与采集补位设计

具身操作策略的数据供给，目前有两条并行的技术路径：真实场景采集与基于生成模型的数据增强。据公开报道，近日有具身模型团队公开了一个判断，即具身智能的主要阻碍之一是数据不足，而该问题可以通过对已有数据做可控增强来缓解；其技术路径是在观测层面与轨迹层面同时施加可控调整，可调整对象覆盖背景、待操作物体、干扰物、光照乃至目标物，从而把有限采集扩展为规模化样本。本文不讨论该判断的成立与否，而讨论其作用域：两层增强各自改变了什么，在什么条件下保持有效，在什么条件下失效，以及采集侧应当如何补位。

一、问题来源

工程实践中反复出现的现象是：策略在验证集上指标稳定，部署到产线后在同一类工序上反复失败。失败形态往往不是完全错乱，而是执行量不足或判据错位。旋拧未达规定扭矩即停止，插接未达配合面即报完成，卡扣未锁止即撤离。这类失败的共同特征是画面正常、物理异常。

若仅从数据总量上找原因，容易得出加量的结论。但加量解决的是同类样本的重复次数，不解决样本类型的缺失。增强技术在这条链路上位置特殊：它能显著提高同类样本的重复次数，对样本类型的扩展能力则受限于原始分布。因此有必要把增强的能力边界写成可判定的条件，而不是停留在经验描述。

另需指出，两条路径的成本结构不同。采集成本主要由产线占用、班次协调、来料准备与标注人力构成，属一次性投入，边际成本随采样时长递增；增强成本主要由算力与生成质量校验构成，属可摊销投入，边际成本随时长递减。成本结构的差异使得增强在规模化阶段具备明显优势，这也是相关判断在工程侧获得广泛认同的现实基础。讨论边界不等于否定该优势。

二、观测域增强的作用范围

观测域增强调整的对象是成像条件与场景构成，具体包括背景材质与色彩、环境光照的强度与色温分布、待操作物体的外观与尺寸微差、干扰物的种类与位置、目标物的初始位姿。

其作用机制是打断观测特征与任务标签之间的伪相关。真实工位中，台面颜色、料盒色彩、局部反光在采集期间往往恒定，策略容易把这些恒定特征纳入判据，形成「在该台面上完成该动作」的映射，而非「完成该动作」的映射。观测域随机化使这些特征在训练分布内失去判别力，从而迫使策略依赖与任务真正相关的线索。这一机制已被广泛验证，工程成熟度较高。

实现手段上，观测域增强通常采用图像合成、纹理替换、光照重打、遮挡注入与位姿重采样几类算子。这些算子的共同前提是存在一段基准片段，即同一工位、同一动作、可用的原始采集。基准片段的质量决定了增强结果的可信度：若基准片段本身存在接触点不可见、运动模糊、曝光失当等问题，增强只会在同一缺陷上叠加更多外观变化，不改善可用性。

需要明确的是观测域增强的作用层级：它改变的是策略的输入分布，不改变动作本身的物理过程。同一段旋拧轨迹经过背景替换、光照重打、物体外观调整之后，其关节序列、末端位姿序列、接触力时序均保持不变。换言之，观测域增强在同一物理事件之上叠加了多种视觉外观，而未在该事件集合中新增成员。

三、轨迹域增强的作用范围

轨迹域增强调整的对象是动作序列本身，常见手段包括在关节空间或任务空间叠加噪声、对时间轴做缩放、对局部片段做替换或拼接。

其作用机制是扩展策略对执行偏差的容忍域。真机执行时，速度曲线、起止位置、姿态微差每次不同，若训练分布中只存在单一平滑轨迹，策略在复现阶段容易对时间与空间上的小偏差过度敏感。轨迹域扰动通过构造同一动作的邻域样本，使策略在该邻域内保持稳定输出。

其限制来自采样空间的定义。噪声在原始轨迹邻域内采样，时间缩放在原始时间轴的伸缩范围内采样，局部替换的候选片段来自原始数据池。三者共同的前提是原始数据中存在被扰动的轨迹。若某类失败轨迹在原始数据中完全缺席，扰动算子没有定义域，该类样本无法被构造。此时增强的表现不是产生错误样本，而是根本不产生该类样本，这一失效模式在指标上不可见。

四、失效条件的三类划分

把上述分析收敛成可判定的条件，可归为三类。

其一，分布内与分布外。增强在分布内有效，在分布外无效。判定方式是检查目标事件在原始数据中的存在性：存在则增强可扩展其密度与外观多样性，不存在则增强无法构造。这一条决定了增强的上界由采集数据的事件覆盖决定。

其二，视觉域与物理域。视觉域的随机化已具备较高成熟度，物理域的随机化仍依赖真实接触测量。接触力、摩擦系数、表面磨损状态、配合公差的实际落位、装配应力分布，这些量在单目或多目视频中不可完全观测，在生成模型中也缺乏可信的物理约束。以像素重建为目标训练的生成模型，可以在视觉上给出合理输出，但不能保证其物理量的一致性。

其三，成功样本与失败样本。成功样本的形态收敛，扰动空间可定义；失败样本的形态发散，扰动空间难以定义。同一种失败在不同工件、不同工具磨损阶段、不同操作者手上的表现差异较大，缺乏可参数化的模板。因此失败样本的构造难度显著高于成功样本，这与样本数量无关，是形态性质决定的。

三类条件可组成一个判定矩阵。横轴为目标事件在原始数据中的存在性，纵轴为事件的物理可观测性。位于存在且视觉可判区域的事件，增强可独立承担扩展任务；位于存在但视觉难判区域的事件，需引入力与位移信号辅助标注，增强仍可承担外观扩展；位于不存在区域的事件，无论其视觉可判性如何，增强均无法构造，只能由采集补齐。该矩阵的实用价值在于把「要不要补采」从经验判断转为条件判断。

五、接触事件的形态学描述

为使上述讨论可落地，需把物理事件具体化。装配类工序中，与策略失败高度相关的接触事件可归纳为若干类形态。

滑移，工具与工件的接触点在受力方向上失稳，刀头自槽内脱出，伴随表面划伤。其视觉表现为接触点位置的小幅偏移，其物理表现为切向力突降与法向冲击。

卡滞，零件在配合过程中受阻，位移停滞而推力持续上升。视觉表现为位姿几乎不变，物理表现为阻力骤增。

错牙咬合，螺纹副的牙型未正确啮合即进入旋拧，扭矩持续上升而旋入深度不增。此类事件的视觉表现与正常旋拧高度相似，是判别难度较高的一类。

回弹，卡扣在压入行程末端未完成锁止，外力撤除后复位。视觉表现为压入到位，物理表现为锁止结构未进入卡槽。

偏位压入，对位偏差超出配合间隙，零件在强制压入过程中产生塑性变形。视觉表现为压入完成，物理表现为配合面损伤。

欠扭矩紧固，旋拧到位但扭矩未达规定值，短期验收通过，长期运行后松脱。此类事件的暴露延迟较长，标注时需结合力矩时序而非仅凭画面。

以上形态的共同特征是：在成像平面上差异极小，在物理状态上差异极大。策略的失败集中发生在成像差异极小的区间，这意味着仅依靠视觉监督信号的增强手段，在该区间内的判别能力受限。

六、采集侧的补位设计

若接受上述边界，采集环节的设计目标需要相应调整：从以时长为核心的采样计划，转为以事件覆盖为核心的采样计划。

具体做法是先建立事件表，再据此推算采样规模。事件表按工序拆解，逐项列出该工序可能出现的接触事件形态，并为每一形态标注可复现条件，包括工件批次特征、工具磨损阶段、设备工况状态、操作者手法差异。事件表完成后，采样规模由事件数量与每类事件的复现难度共同决定，而非由总时长倒推。

事件表的字段设计宜围绕可复现性展开，典型条目包括：事件形态名称、可观测信号类型、触发条件、复现手法、所需工件状态、所需工具状态、判别阈值来源。字段填不出来的事件，说明该事件的复现条件尚未掌握，此类事件应作为采集方案的优先项，而非留待自然发生。

采样执行上有三点调整值得注意。其一，正常样本与异常样本的配比需要重新设计，同一动作的重复顺利执行提供的信息量低于同等时长内的多形态异常执行。其二，工况切换点应作为独立采样对象，换型前后、新件旧件、冷机热机之间的状态差异在时间上是离散的，按连续时长采样容易漏掉。其三，异常样本的复现依赖操作者经验，需在采样方案中明确指定复现人员与复现手法，而非依赖自然发生。

采样规模的估算方式也随之改变。以事件数量乘以每类事件的期望复现次数作为下界，再乘以复现难度系数得到实际规模，比按时长定额更贴近需求。复现难度系数可由历史项目中该类事件的自然发生率估计，自然发生率低的事件系数高，需要更长的观察窗口或更主动的干预。

标注侧需同步调整。接触事件的判别依据不只是画面，还包括力矩时序、位移停滞、力突变等信号，标注方案应将这些信号与视觉片段对齐，使同一段数据在事件维度上可判定。仅按画面标注的方案，在错牙咬合与欠扭矩紧固两类事件上误判率较高。

七、结论

增强与采集不是替代关系，是上下游关系。增强在给定事件集合上扩展密度与外观多样性，其效率优势明显；采集负责扩展事件集合本身，其成本不可省略。二者的分工可以表述为：增强负责放大，采集负责发现。

工程上的可执行判断是，在排定采样计划时先列事件表，再算时长。事件表缺失的工序，无论采样时长如何增加，其数据在异常工况下的判别能力都难以提升。

增强扩大的是同一分布的支撑集，采集扩展的是分布本身。