LeRobot 具身智能数据集清洗与自动化质检服务产品系统

项目背景：具身智能/机器人模型训练时，经常因为采集的数据存在时间戳错乱、帧率不对、动作卡死等问题导致训练中断。
我的方案：使用专业的工业级工具链（LeRobot生态），对原始机器人数据集（Robo Datasets）进行清洗。修复底层元数据、剔除无效坏片段、统一转换为LeRobot v3.0标准格式。
交付成果：提供附带 20+ 项指标（如帧连续性、数据方差等）的 Markdown 标准化质检报告，确保数据 0 警告 0 报错，客户可直接用于模型训练。

本项目主要提供具身智能/机器人数据集的深度清洗与标准化交付服务，包含以下四大核心模块：

自动化数据诊断（Data Check）：内置20+项工业级指标，一键排查数据集的格式完整性、时间戳错乱、帧率（fps）配置错误以及动作连续性（是否存在卡死或极限溢出）。

底层元数据修复（Data Clean）：针对采集设备导致的元数据损坏、时间戳与视频流严重脱节等致命问题，进行底层元数据重算与重建，修复可能导致模型崩溃的逻辑错误。

无效片段剔除（Data Filter）：根据质检结果，自动或手动剔除动作卡死、过短或无意义的废片段，确保模型训练数据的高纯度。

标准化交付与质检报告（Delivery & Report）：将数据统一转换为标准 LeRobot v3.0 格式，并生成 Markdown 格式的量化质检报告（包含通过率、警告项等），确保交付数据可直接用于大模型训练。

本人负责全流程数据清洗管线（Pipeline）的搭建与执行。

技术栈与工具：Python、LeRobot 官方生态工具链（Tailor）、命令行自动化脚本。

实现亮点与难点解决：

难点（时间戳与帧率冲突）：在处理真实脏数据时，常遇到元数据配置文件（info.json）的帧率与实际视频流时间戳不匹配，导致底层视频切片算法引发 Episode length mismatch 崩溃。我通过编写脚本修正底层配置，再执行强制重建时间戳，成功化解。

亮点（低算力高效处理）：整个数据解析、重构与清洗流程均在本地 CPU 完成，不依赖昂贵的 GPU 算力，极大地降低了客户的处理成本。

结果保障：经过清洗的数据集，最终均能通过 20+ 项严苛的自动化验收检查（实现 0 警告 0 错误），直接打通模型训练的最后一公里。