具身智能/机器人研发数据建议分类！

具身智能/机器人研发数据建议分为以下八类：

1. 感知数据：机器人”看、听、摸”的原始输入数据。

• 视觉数据：RGB图像、深度图、点云、多视角图像
• 触觉数据：力/力矩传感器数据、触觉阵列信号
• 听觉数据：语音指令、环境音
• 多模态融合数据：视觉-触觉-本体感觉对齐数据

2. 运动与控制数据：机器人”怎么动”的数据。

• 关节轨迹数据：关节角度、角速度、力矩时序
• 末端执行器轨迹：位置、姿态、速度、加速度
• 控制指令数据：PID参数、力控/阻抗控制信号
• 步态数据（人形/四足机器人）：步态周期、足端轨迹、地面反力

3. 仿真与合成数据：在虚拟环境中生成的大规模训练数据。

• 仿真场景数据：Isaac Sim、MuJoCo、PyBullet等引擎生成的场景
• 域随机化数据：光照、纹理、物理参数随机变化
• 合成物体与场景：3D资产、程序化生成的环境
• Sim-to-Real迁移数据：仿真-真实对齐数据

4. 操作与任务数据：机器人”做什么事”的数据。

• 抓取数据：抓取姿态、抓取力、成功/失败标注
• 装配/插拔数据：精密操作轨迹与力反馈
• 导航数据：路径规划、避障、SLAM建图
• 任务级演示数据：完整任务流程的端到端示范

5. 人机交互数据：人与机器人”协作”的数据。

• 遥操作数据：人类远程操控机器人的示范数据
• 语言指令数据：自然语言指令与动作的配对
• 意图识别数据：手势、 gaze、人体姿态
• 安全交互数据：碰撞检测、人机共融场景

6. 场景与环境数据：机器人”在哪里工作”的数据。

• 室内场景：家庭、仓库、办公室、工厂车间
• 室外场景：道路、农田、建筑工地
• 特殊场景：水下、太空、医疗手术室
• 语义标注：物体标注、场景图、空间关系

7. 物体与模型数据：机器人”操作对象”的数据。

• 3D物体模型：CAD模型、扫描模型、纹理贴图
• 物体属性数据：质量、摩擦系数、形变特性
• 物体类别与姿态标注：6D姿态估计数据集
• 可变形物体数据：布料、线缆、液体等

8. 评估与基准数据：衡量机器人”做得好不好”的数据。

• 标准测试场景：Benchmark任务定义与评估指标
• 成功率/失败率统计：任务完成度量化数据
• 泛化性测试数据：跨场景、跨物体、跨指令的鲁棒性测试
• 安全与合规数据：碰撞力阈值、安全距离等合规性验证数据

以上八类基本覆盖了具身智能从”感知→决策→执行→评估”全链路的数据需求。你可以根据客户的具体应用场景（工业、服务、医疗等）进一步细化每个类别下的子项。

需要我帮你把每个类别下的子项，用”数据格式、采集方式、典型规模、标注要求”的格式整理成可直接对接客户的结构化清单吗？