数据清洗

Data Cleaning常用

训练前找出并修正或剔除坏数据，如失败轨迹、空动作、错位帧。

数据清洗指识别并修正或删除数据集里损坏、错误或无关的记录，是通用的数据处理步骤。机器人数据里常见的问题有：没做完或操作失误的轨迹、开头结尾长时间不动的空闲帧、全零动作、多路相机和关节数据时间戳没对齐、丢帧、传感器读数跳变、语言指令和实际动作对不上等。这些噪声会让模仿学习把停顿和抖动也学进去。清洗手段包括规则过滤、统计异常检测和人工抽检，也可以先用一小批数据训练策略上机跑，看数据好不好用。失败数据不一定都要删，标好原因的失败和纠偏片段对学会恢复动作有用。

例子OpenVLA 论文把表现优于 RT-2-X 的部分原因归于更仔细的数据清洗，例如去掉了 Bridge 数据里的全零动作；AgiBot World 的消融实验也显示，人工核验过的数据让任务完成分数提高了 0.18。

也叫: 数据清理、Data Cleansing
相关: 数据质检、数据筛选、空操作 / 静止帧过滤、有效数据、失败数据、多传感器时间同步（时间戳对齐）
来源: Wikipedia: Data cleansing
Kim et al. 2024: OpenVLA: An Open-Source Vision-Language-Action Model
AgiBot World Colosseo 技术报告 (arXiv 2503.06669)