起因

先说一个行业里的事。很多机器人做出来了，演示视频惊艳，就是落不到产线上，卡住的不是机械、不是控制，是模型没有足够的数据训练。这不是努力问题，是结构问题。

传统工业机器人能满世界跑，恰恰因为它们不需要模型：治具、整列、固定姿态、固定节拍，环境被机械设计整理得干干净净，机器对着假设好的世界干活，不需要看见什么。可一旦活儿变成乱堆的软包、随机来件、面单乱朝——机器就必须看见，看见就要模型，模型就要数据。而数据在产线上。于是死循环来了：机器人没上线就没有数据，没有数据模型就不行，模型不行客户就不让上线。演示视频为什么惊艳？给演示收集的数据把演示那一个场景过拟合了，真上产线三个星期，堆型一变、光照一变，打回原形。

指望仿真补齐也不现实。软包的形变、塑料袋的反光、堆叠的物理，越非结构化，仿真和真实的差距越大，这个差距最后全变成现场的失败率。指望数据通用同样不现实：两个仓的件、包材、光照、堆法分布根本不是一回事，加上图像里有面单隐私和客户的商业数据，天生出不了车间。

我们能把这条路走通，有一个必要条件得先说：客户把几年的现场数据直接端过来了，成千上万的照片和视频。这篇就写这条数据链怎么运转——从一堆原始录像到一个能上岗的模型，中间的活比臂和立柱加起来还多。

客户给的不是许可，是存量

“允许你录像"和"把数据给你"是两个量级。前者是自己攒，一天产多少算多少；后者是客户几年的积累直接端过来，冷启动整个跳过去了。

更重要的是存量的分布宽度，这个宽度是时间给的。服装电商的件随季节换形：冬装的压缩袋厚实、夏装轻薄蓬松，模型没见过冬季的堆，冬季就没法干活——自录像，一年也录不齐春夏秋冬。各种包材、旺季淡季不同的堆法、破损件、各种反光角度，历史照片里现成全有。尤其值钱的是长尾：罕见堆型、埋掉面单的件、黏成一坨的退货——这些样本不用蹲在皮带边等它再发生一次，几年的数据里它早就发生过、被拍下来了。

为什么客户肯给，别家却拿不到：客户的数据不是不存在，是不会给——没有信任、没有订单、没有"机器越准我越受益"的绑定，凭什么把仓里的原始数据交出去。我们这里数据换效果是天然成立的：客户给数据，模型练准，顶班顶得稳，收益回流客户。写进合同的只有用途边界：数据用在哪家的模型上、脱敏之后能不能进通用的底模，一条一条谈清楚。

数据进来先过三道

客户给的是原始数据，不是训练集。进来先过三道。

第一道归一化。照片和视频来源五花八门：手机拍的、监控截的、不同相机产的，分辨率、帧率、色彩空间全不一样。先统一到一套规格再谈别的，否则后面的筛选和标注全在沙地上盖楼。

第二道筛选。抽帧出来的候选量是几万张级的，里面大半是废的：相邻帧几乎一样、运动拖影、遮挡。去重、去废、留多样——而最值钱的帧恰恰最少见，“少见但有代表性"和"少见且没意义"机器分不出来，最后还是要人过一遍。这道活枯燥，省不掉。

第三道脱敏，这道是硬合规，不是礼貌。跨境件的面单上是海外收件人的姓名地址，涉欧洲的件还顶着 GDPR 级别的敏感——图像出客户车间之前，面单区域一律打码，往外传的只有裁剪过的失败案例图。这条做在前头，客户才敢把数据链路开着。

标注是最贵的环节

预处理完，钱和时间主要烧在标注上。软包的分割要逐件画掩码，而软包的边缘全是模糊的：塑料袋反光、衣服褶皱、件黏连堆叠，轮廓本身就没有清晰边界。一张图画精细了几分钟，一万张就是几个月的人日。

比贵更麻烦的是错。标错的图比没标的还毒——模型把错的东西学进去，评估的时候看不出来，到了现场才炸。所以标注必须配质检：抽检、双人交叉标、拿两人掩码的重叠度当一致性指标卡门槛，标得分歧大的图整批退回重标。标注团队的规矩定在前面，比事后洗数据便宜十倍。

降成本的正路是预标飞轮：用现有模型先标一遍，人只负责改错——比从零画快好几倍；模型每迭代一轮，预标质量涨一截，标注成本降一截。所以第一版模型哪怕糙一点也要尽早转起来，它不光干活，还是标注工具，越用越好用，标注越标越便宜。

三类来源各管一段

到这里，数据的全貌可以拼出来了：三类来源，成本结构完全不同，各补各的。

中间那行是常被忽略的一笔：机器上岗之后，抓偏的、漏检的、分割黏连的，自动存图回传——失败案例是机器自己攒给自己的教材，一分钱不花，还专挑模型不会的地方补。合成那行要克制：渲染图自带完美标注，标签免费，专补真实数据里罕见的堆型；但占比有上限，合成图喂多了，模型的判断会偏到渲染世界去，和现场的真实手感脱节——这个占比是试出来的数，不是想出来的数。

高质量模型是滚出来的

训练这一环反而是链上最轻的：算力按小时租云上的 GPU，训练管线自己写，上一篇写过，不重复。要在这里说的是节奏——高质量模型不是一次练出来的，是循环滚出来的：现场冒出新的失败模式，回流，重训，保留集上评估，影子模式跑一周比对，数字不落下风才切换上线。一轮接一轮，旺季前滚得密，淡季滚得稀。

配套的是版本纪律，三样东西永远对得上：这批数据是什么时候哪来的、这个模型是哪批数据训的、它在现场验证过没有。半年后现场掉点，要能顺着这三样回溯到源头——记的是来历，出了问题能查到出身。

接下来

到这篇，眼睛这一侧算是闭环了：相机、推理、数据工厂。闭环之前还得补一篇原则：不追求纯视觉解决所有问题——能开关量回答的、能物理量直读的，都不压给眼睛，降算力和冗余兜底的机制必须要有。下一篇就把传感器怎么配、每种坏法怎么兜底写透。之后才轮到手——软包没有形状、里面装的什么不知道、不能使劲夹、面单还娇气，立项就点了名的第一难题：吸盘阵列、柔性夹、力控怎么配。压缩袋装的小硬块和蓬松的散衣得分两种抓法，这个差异怎么消化，在抓手篇说。

参考链接

• 本站：双臂工业机器人：立项、视觉链（训练与推理分工、租 GPU、影子模式在那篇）、零点与自检