具身数据的任务粒度差异：单步动作与长程编排的训练价值区分

具身智能数据采集里有一个常被合并处理的维度，是任务粒度。同样一段采集时长，可能由大量短片段构成，也可能由少量长片段构成。两者在训练中的角色不同，混同统计会掩盖差异。本文按任务结构拆解这一区别，并给出采集侧的取舍依据。

先把对象限定清楚。单步动作指起点与终点之间不含中间决策的动作段，执行时长在数秒量级；长程编排指由若干动作段串联而成、段间存在状态依赖的任务，执行时长在数分钟量级。这个划分不涉及难度，只涉及结构。

一、两类任务的结构差异

差别可归为三点。其一是决策点的分布。单步动作在段内不设决策点，判定集中在段末；长程编排在段间设决策点，判定分布在全过程。

其二是状态依赖。单步动作的输入基本由当前帧观测决定，历史状态的影响可忽略；长程编排的输出依赖前序动作的结果，同一动作在不同位置执行，受到的约束不同。

其三是错误的可恢复性。单步动作做错，重做成本等于该动作本身的成本；长程编排在中段出错，需回退到前一稳定状态，回退步数与已执行步数相关。

二、单步动作数据的特征与边界

十一月十一日公开的一份行业梳理提到，某物流企业将自有仓网开放出来供机器人练习，并把仓储作业按结构分为三类。其中一类是将包裹逐一移至传送带、校正面单贴合，精度要求在厘米量级，动作构成简单，约束主要来自节拍的稳定性。

这类数据的技术特征明确。单条时长在数秒量级；同一动作可高密度重复；影响执行的因素少，来件规格与工位高度基本恒定；判定标准可观测，末端位置是否达标可由视觉直接核验，无需人工二次解释。

标注成本也低。起止点清晰，一条记录对应一个动作，标注一致性容易保证。

它的适用边界同样明确。固定工位上料、定点抓取、跨线转运这类作业，动作构成固定、节拍固定、外部扰动小，单步数据训练到位即可支撑。这里不存在质量问题，问题在适用的任务范围：它能建立的是动作层面的执行能力，包括末端轨迹、抓取角度、落位精度与执行速度。这些能力都终止于单个动作的边界。

还有一点值得注意。单步数据的质量评价标准清晰，容易做出高分；分数高不代表结构完整。以单步数据的指标作为整体交付的验收依据，会把结构问题掩盖在漂亮的数字之下。

换言之，这一层建立的是执行层的能力，不涉及编排层。

三、长程编排数据的特征：先后关系与状态承接

同一份梳理里，另外两类任务的结构不同。一类是从整箱中拣出单件、从混料容器中定位目标商品，精度要求提升到毫米量级，单个任务包含十几步至几十步，中途需处理软包形变、异形件抓取点缺失、叠压遮挡三类情形。另一类是拼箱与复杂码垛，执行端需先建立立体空间的结构认知，再对后续数分钟的动作序列作出安排，而非仅对当前目标作出响应。

这类数据的技术特征与前者相反。单条时长在数分钟量级；重复密度低，同一序列连续执行两次的条件往往不成立；影响执行的因素多且相互关联；判定标准不在单步末端，而在整段结束时的结果状态。

关键在于先后关系。单步动作的数据中不存在先后，因为它本身就是一步。一步之内，前与后没有区别，只存在当前帧与下一帧。序列达到十几步之后，先后才具备约束力：前序动作的偏差会沿序列传递，并在后续步骤中被放大。

两个典型判断点可说明这一点。从混料容器中定位目标商品，需先判定遮挡关系：压覆件不移除，目标不可达；移除压覆件，目标可能随之位移。该判断发生在执行之前，依据是观测之后的动作安排。码垛定位到第三层，需先确定下两层的堆叠结果：第三层的位置不由该层自身决定，由下两层的实际落位决定。这类约束对人而言不需显式计算，对执行端则必须通过学习获得。

标注侧的处理也不同。单步数据标的是动作本身；长程数据除动作外还要标步间转移条件，即上一步满足什么条件才允许推进到后一个动作，这一步失败时回退到哪一步。这部分信息无法从单帧画面推导。

两个判断点有共同结构：判定依据不在当前帧的观测内，而在前序动作的结果中。这正是单步数据无法提供的信息。

四、单步样本量增加的作用边界

由此容易得出一个过强的结论，即单步数据无价值。该结论不成立。

执行层不稳，编排层无从谈起。末端精度不足时，序列串联只会放大误差。单步数据在建立执行稳定性上没有替代路径。

另一份公开材料里，有从业者指出，真实工位上的状态难以在按脚本构建的环境中重现。包裹塌陷、货物相互遮挡、面单贴合偏移，这些在持续运转的仓储环境中属常态，在按流程预设的环境中属低频。该材料还提到，大促期间的现场节拍与常规时段差异明显，而这一段的样本补充难度更高。

这段描述指向长程任务的主要难点：不是各步动作分别达标，而是中途出现异常时的处置。异常不按脚本出现，按脚本构建的环境里，此类样本的密度天然偏低。

由此形成一处不匹配。单步数据的不足可通过增加样本量缓解，同一动作重复更多次，边际收益递减但仍为正；长程数据的不足无法通过同路径缓解，缺少的不是同类样本的更多份，而是另一类样本的存在。将若干条数秒片段拼接，不构成一条数分钟的完整序列，接缝处的状态承接恰是缺失部分。

结论可写成一句：单步动作的拟合精度与长程任务的完成率之间不存在单调关系；后者需要的是跨步的状态承接，增加前者样本量无法替代。

五、配比与采集侧约束

两类数据都需要，问题在配比。同一采集时长内，全部为单步重复，与一半单步、一半完整序列，训练结果的差异显著。配比取决于目标作业的构成：以固定工位上料为主的场景，单步占比高属合理；以拣选、拼箱、码垛为主的场景，完整序列的占比需相应提高。

采集侧的约束值得单列。完整序列的采集要求记录连续，中断后重新起录会丢失接缝处的判断依据；标注要求记录步间关系，包括每一步的前置条件与失败后的回退目标；采集排期需按任务长度安排，不能按动作数量安排。

真实产线上的任务天然偏长。一件产品从上线到下线需经过多道工序，每道工序各有判断与节拍。采集按任务边界切分，不把整段拆成独立动作再重组。这一取向的前置条件是采集方能够进入产线并跟随完整流程，边界是单条记录的时长受工序节拍限制，产能约束则来自产线可开放的时段。

配比的量化需要在验证集上做，而不是在采集清单上做。清单能反映采了什么，反映不了训练时各占多少。

核验方式可简化。抽样统计单段记录的连续执行时长分布：集中在数秒区间的，该批数据偏向单步；存在数分钟区间的连续记录，编排层的数据即在场。这一判断不依赖总量。

回到设计选择本身。任务粒度不是难度分级，是结构分类。按单步数据训练、在长程任务上部署，两者所需的支撑集不同。更值得核的是单段任务的连续执行时长，而非总采集时长。