《人形機器人數據集 第1部分：總則》

1本文件給出了人形機器人數據集全生命周期框架，規定了從數據集規劃到退役的全生命周期流程的通用要求，規定了跨數據集全生命周期各階段的質量、安全和隱私要求。本文件適用于人形機器人數據集的規劃、建設、存儲、發布、使用和退役。2規范性引用文件下列文件中的內容通過文中的規范性引用而構成本文件必不可少的條款。其中,注日期的引用文件,僅該日期對應的版本適用于本文件;不注日期的引用文件,其最新版本（包括所有的修改單）適用GB/T35273—2020信息安全技術個人信息安全規范GB/T37973—2019信息安全技術大數據安全管理指南GB/T42755—2023人工智能面向機器學習的數據標注規程3術語和定義下列術語和定義適用于本文件。3.1具有軀干、頭和肢體，外觀和動作與人類相似的機器人。[來源：GB/T12643—2025，4.15.5]3.2信息的可再解釋的形式化表示，以適用于通信、解釋或處理。[來源：GB/T5271.1—2000，01.01.02]3.3真實數據realworlddata在非虛擬場景和環境中獲取的數據（3.2）。注：真實數據反映現實世界中系統或現象的實際表現和行為。[來源：ISO/TS21934-2:2024，3.21]3.4合成數據syntheticdata通過算法或模型生成的數據（3.2）。注1：合成數據根據一定的規則和參數生成，能夠反映真實世界的統計特征或運行規律，包括但不限于仿真數據、模型生成數據、增強數據。2注2：合成數據可以在真實環境、虛擬環境、或者真實環境與虛擬環境結合的混合環境中生成。3.5數據集dataset具有一定主題，可以標識并可以被計算機化處理的數據集合。[來源：GB/T36344—2018，2.6]3.6包括兩種及以上模態的數據集（3.5）。注：模態是指視覺模態（如攝像頭）、聽覺模態（如麥克風）、觸覺模態（如觸覺傳感器）、運動模態（如光學和慣性測量單元）、生理模態（人體生理信號傳感器）等。3.7用于人形機器人（3.1）的研發、測試、驗證與評估的多模態數據集（3.6）。3.8人形機器人（3.1）通過其全身關節、末端執行器等協同控制與環境中的物體進行接觸，以改變物體狀態并完成特定任務的行為。3.9對人形機器人（3.1）各關節和執行機構的運動狀態進行規劃、跟蹤和調節的過程。[來源：GB/TXXXXX.1—2026，3.5人形機器人技術要求系列標準]3.10人和人形機器人（3.1）通過用戶接口交流信息和動作來執行任務。注：人機交互方式包括但不限于語音、視覺、接觸、身體動作。[來源：GB/T12643—2025，3.15，有修改]3.11人形機器人（3.1）對環境、任務及自身狀態等進行理解，并在此基礎上進行決策的過程。注：認知決策包括但不限于感知理解、單任務決策、多任務調度、預測推理。3.12人形機器人數據集生命周期humanoidrobotdatasetlifecycle數據集生命周期humanoidrobotdatasetlifecycle人形機器人數據集（3.7）從規劃、建設、存儲、發布、使用到退役的演變全過程。3.13遙操作teleoperation由人遠程實時控制機器人的運動。[來源：GB/T12643—2025，6.17]33.14不改變數據內容的情況下，為數據添加描述性信息的過程。注：描述性信息可以采用元數據、標簽、錨點等形式。[來源：ISO/IEC22989:2022，3.2.1]3.15數據融合datafusion集成多個數據源以產生比任何單獨的數據源更有價值信息的過程。[來源：GB/T36625.1—2018,3.1]3.16定義和描述其他數據的數據。[來源：GB/T18391.1—2026，3.2.26]3.17數據從來源獲得并有待進行后續處理的原始直接形式。[來源：GB/T4894—2024，3.1.10.4]3.18通過數據清洗、排序、鏈接、驗證和類似操作，將裸數據（3.17）或較早數據階段轉換為較精細[來源：GB/T4894—2024，3.1.10.5]3.19采用標簽、標記、真實值及其他語義信息進行標注的數據。3.20在統一時間基準下，對應同一采樣時刻（或經時間同步對齊到同一時刻）的，包含一個或多個傳感器觀測、機器人狀態及控制量的數據單元。3.21每個數據幀（3.20）或傳感器觀測記錄的時間標識。3.22在給定任務目標與環境條件下，人形機器人從任務初始化或觸發時刻起，直至任務結束時刻（成功、失敗或終止）所形成的連續時序數據段，由若干個數據幀（3.20）組成。3.23數據集安全datasetsecurity數據集在其全生命周期中保持保密性、完整性、可用性和可追溯性，防止未經授權的訪問、篡改、泄露、損毀或濫用。3.244數據集隱私datasetprivacy個人和組織在個人信息收集、使用、存儲、披露和刪除等方面所享有的權利和承擔的義務。注：使用包括銷售以及提供出售。下列縮略語適用于本文件。IMU：慣性測量單元（InertialMeasurementUnit）JSON：JavaScript對象表示法（JavaScriptObjectNotation）PII：個人可識別信息（Personallyidentifiableinformation）RGB：紅綠藍（Red,GreenandBlue）ROS：機器人操作系統（RobotOperatingSystem）URDF：統一機器人描述格式（UnifiedRobotDescriptionFormat）VR︰虛擬現實（VirtualReality）5人形機器人數據集分類按照使用目的，人形機器人數據集可分為訓練數據集、驗證數據集和測試數據集。訓練數據集用于訓練模型或開發算法，驗證數據集用于比較不同候選模型或算法的性能，測試數據集用于評估最終模型或算法的性能。按照數據來源，人形機器人數據集可分為真實數據和合成數據。按使用功能，人形機器人數據集可分為全身操作數據集、運動控制數據集、人機交互數據集、認知決策數據集，如下： 全身操作數據集：包括本體狀態數據集、操作對象屬性與姿態數據集、環境場景數據集、人體數據集，用于訓練、驗證和測試人形機器人識別物體與環境并在特定環境中與物體交互完成操作任務的能力，典型任務類型見附錄A； 運動控制數據集：包括機器人本體及人類遙操作作業員全身協調運動數據（含機器人關節電機控制參數、機器人本體及人類遙操作作業員各關節與骨骼位置坐標和姿態角）、地形特征數據、運動控制目標數據、環境交互數據，用于訓練、驗證和測試人形機器人完成平衡控制、步態生成與切換、移動、單肢動作以及多肢協調動作等任務的能力，典型任務類型見附錄B； 人機交互數據集：包括用戶輸入數據、機器人響應數據、交互上下文數據、用戶狀態數據、環境感知數據、機器人本體狀態數據、異常交互數據，用于訓練、驗證和測試人形機器人理解人類語言意圖、識別情緒狀態、理解社會情境、執行交互指令、配置交互風格和生成自然響應行為等任務的能力，典型任務類型見附錄C； 認知決策數據集：包括認知決策輸入數據和結果數據。認知決策輸入數據至少應包括任務指令數據和系統提示詞數據，可選包括環境感知數據、本體狀態數據、上下文數據；認知決策結果數據至少應包括高層次語義認知數據與層次化任務分解數據，可選包括思維鏈數據、代碼生成數據、多模態預測數據。它們用于訓練、驗證和測試人形機器人完成感知理解、單任務決策、多任務調度、預測推理任務的能力，典型任務類型見附錄D。5全身操作數據集、運動控制數據集、人機交互數據集、認知決策數據集均可獨立用于相關模型或算法的訓練、驗證與測試，也可進行任意兩類、三類或全部四類數據集的組合使用。6人形機器人數據集全生命周期框架人形機器人數據集全生命周期框架如圖1所示，涵蓋了數據集從規劃到退役的全流程，如下：a）數據集規劃：識別應用場景、模型和數據集需求，定義構建數據集的總體目標、數據集建設方案、數據集格式和數據采集合規評審規則，為數據集生命周期的后續階段提供指導依據；b）數據集建設：采集原始數據并形成數據集的核心階段，包括但不限于以下子流程：3）數據驗證和確認。c）數據集存儲：以安全且可擴展的方式存儲經過驗證與確認的數據集，以便長期訪問和管理；d）數據集發布：遵循數據集治理和合規政策，以受控的方式發布數據集，供內部或外部使用。受控發布可支持組織開展數據集試點發布，并收集試點用戶的初始反饋，以驗證數據集是否e）數據集使用：將數據集應用于人形機器人的研發、驗證與測試。在此過程中，應建立數據集使用至數據集規劃階段的反饋機制。反饋信息包括但不限于數據集在實際使用中的質量、實用性、錯誤、新需求，并作為后續版本迭代（例如更新、擴展與修訂）的核心輸入，以驅動數據集的持續改進；f）數據集退役：以安全、可追溯且不可逆的方式對數據集進行停用、歸檔或銷毀，確保其不再被未經授權訪問或使用。應建立從數據集退役階段返回至數據集規劃階段的反饋環節。反饋信息包括但不限于退役原因、數據質量、安全性和適用性方面的經驗。這些反饋信息應記錄并用于指導未來新版本的數據集規劃，確保數據集全生命周期的最佳實踐得以持續采納。貫穿數據集全生命周期各階段的要求包括： 數據集質量要求：在數據集全生命周期各階段，建立可測量、可監控的質量要求，確保數據集滿足質量要求。若數據質量不滿足要求，采取質量改進方法使其滿足質量要求或進入數據 數據集安全要求：在數據集全生命周期各階段，保證數據集安全，防止未經授權的訪問、篡改、丟失或泄露。如發生非法訪問、篡改等情況，及時檢查數據集安全是否滿足要求； 數據集隱私要求：當數據集涉及個人信息或敏感信息時，應在數據集生命周期全過程保護隱私。隱私保護方法包括但不限于去標識化、匿名化、數據最小化、訪問控制及加密。6圖1人形機器人數據集全生命周期框架7數據集全生命周期的通用要求7.1數據集規劃7.1.1一般要求數據集規劃階段應明確以下內容： 目標與范圍：明確人形機器人數據集的預期用途，如訓練、測試或驗證；界定應用場景，如工業裝配、家庭服務；明確適用的人形機器人產品及可執行的任務； 數據集需求：根據預期用途明確待獲取的數據類型；規劃數據在不同應用場景、機器人配置、機器人數字化描述及環境條件中的分布，以確保對目標運行設計域的代表性；明確對長尾場景、罕見事件及失效模式的采樣策略；定義數據集質量要求。數據集的邊界、應用場景及長尾場景應同時源自危險分析結果，而不僅僅是基于人形機器人系統的預期用途。注1：人形機器人數字化描述是指采用結構化格式描述機器人運動學與動力學結構，通常包括連桿、關節、幾何形狀及其他物理屬性的層級結構。 場景設計：設計面向特定應用的數據獲取環境；明確人形機器人預期運行條件，如交互對象物理布局、障礙物、可操作物體等； 實施方案設計：基于預算與技術可行性，設計數據采集方法、軟硬件部署、標定流程、數據處理方式、數據集存儲方式；注2：軟硬件部署指數據集創建過程中采用的傳感器、硬件型號、固件版本、標定流程。軟硬件部署指數據集創建過程中采用的傳感器、硬件型號、固件版本、標定流程。 資源規劃：應定義數據集全生命周期所涉及人員的必備能力、角色和職責； 數據集規劃報告：應輸出可追溯、可審計的正式規劃報告，作為數據集全生命周期各階段的參考依據。應規定數據集報告的最低必填字段清單，包括但不限于：數據集名稱、版本、風險等級、預期用途、傳感器配置、軟硬件部署、最小規模以及質量驗收標準； 版本管理：建立長期迭代與版本管控機制，支持增量更新、灰度發布與數據集版本全鏈路追7.1.2數據集格式要求7.1.2.1總體要求應識別并記錄支持互操作性、可追溯性、可復現性、質量管理、數據完整性驗證、版本控制以及安全與隱私保護所需的數據集格式要求。如適用，數據集規劃報告應描述組織和表示該數據集的預期方法。數據集規劃報告應明確支持數據集預期用途所需的數據和元數據類別。在適用情況下，這些信息應包括：數據模態、時間參考、同步機制、坐標系、數據標注、質量、安全性、隱私保護以及可追溯77.1.2.2數據集組織結構應根據數據集的預期用途、類型、數據模態、采集方法及存儲方式，對數據集的物理或邏輯組織結構進行定義并記錄形成文檔。該組織結構應支持可追溯性、數據檢索、數據解釋、版本管理和質量評估，并應滿足以下要求：a）具備可擴展性和可延伸性；b）避免過度嵌套和過度復雜；c）適應不同的數據集規模和應用場景。物理組織結構宜包含本文件7.3.3中規定的根目錄、功能子目錄、任務目錄和樣本目錄。對于采用文件夾形式的數據集，可記錄目錄結構和索引機制。對于采用容器、數據庫或混合架構形式的數據集，可提供等效的機器可讀索引或元數據機制。邏輯組織結構可包含多個單元（unit例如數據集單元（datasetunit）、任務單元（taskunit）、任務片段（episode）、數據單元（包括樣本（sample）、序列（sequence）、幀（frame）、步（step）或事件（event））。此類單元的使用可根據數據集的特征來確定，滿足以下a）數據集單元（datasetunit）：數據集的頂層容器，宜包含元數據；b）任務單元：數據集單元可按任務類型劃分形成任務單元。任務單元在適用時宜包含由多個子任務組成的數據子集。該單元宜包含任務類型標識符、任務描述、任務參數以及該任務下的樣本列表索引，宜記錄模態適配說明；示例：子任務包括搬運任務、抓取任務、爬樓梯任務等。c）任務片段如適用）宜包含具體數據文件。時間戳格式和周期應在任務片段的元數據中予以記錄。若適用，可提供該任務片段的聚合數據質量統計信息（如總幀數、丟幀數、丟幀率、最大抖動等）；d）數據單元均應關聯適當的時間參考，以支持可追溯性、同步、重放、分析和重用。根據數據集的類型和預期用途，該時間參考可包括時間戳、幀號、樣本索引或事件標識符。數據集應提供機器可讀的索引或編目機制，以支持高效的數據檢索、可追溯性、完整性驗證以及與下游工具的互操作性。注1：對于采用文件夾形式的數據集，這可通過索引文件或清單文件來實現。對于采用容器、數據庫或混合架構形式的數據集，可在容器、數據庫或關聯元數據中提供等效的索引信息。真實世界數據與合成數據應通過機器可讀的來源信息加以區分。在適用情況下，該來源信息應表明數據是真實數據、合成數據（如仿真數據、模型生成數據、增強數據）、混合數據，并應支持數據溯源、域差異評估、質量評估和可審計性。注2：對于采用文件夾形式的數據集，這可通過專用的子目錄來實現。對于采用容器、數據庫或混合架構形式的數據集，可通過元數據、清單文件、容器內部索引或數據庫屬性提供等效的來源信息。數據集組織結構示例、任務片段的層級化結構、列式結構以及層級和列式混合結構示例見附錄7.1.2.3數據集存儲格式數據存儲格式要求在本文件7.3.2中規定。87.1.2.4數據格式要求7.1.2.4.1元數據應識別支持數據集標識、理解、可追溯性、質量評價、安全、隱私保護和復用所需的元數據類人形機器人數據集的最小元數據要求應符合附錄F的規定。7.1.2.4.2數據內容應根據預期用途、目標任務、數據模態和數據獲取方法，確定數據集中應包含的數據內容。若適用，數據內容可包括裸數據、處理數據和標注數據。不同類型數據集的具體數據內容可在本系列標準后續部分中規定。與數據壓縮、同步存儲架構及數據格式擴展等相關的要求，可在本系列標準后續部分中規定。7.2數據集建設7.2.1數據獲取7.2.1.1數據獲取方法7.2.1.1.1分類數據可有多種不同來源（例如圖像、視頻、聲音、合成數據生成器等），并具有多種數據類型（例如字符串、文本、數值、圖像）和數據格式（例如XML、JSON、JPEG、MPEG）。數據獲取方法可分為真實數據采集和合成數據生成兩類。7.2.1.1.2真實數據采集真實數據采集方法包括但不限于： 遙操作采集方法：適用于以遙操作對象為主體，在多樣化或復雜環境中采集人類示教數據。應嚴格監控遙操作和實時數據傳輸過程中的響應延遲，以確保數據的準確性和完整性； 動作捕捉設備采集方法：通過在人體或人形機器人關鍵點粘貼反光標記，或采用光學動作捕捉、慣性傳感器動作捕捉等傳感器技術，采集人形機器人或人體演示者在示范動作時的關節姿態、位移和力學特征數據。應在動作捕捉區域內做好空間標定，保證捕捉精度。宜對遮擋、反射或信號干擾等因素制定應對預案，減少對數據的影響； 便攜式末端采集方法：通過手持式末端采集設備（如手持夾爪）或穿戴式設備（如VR手柄、力反饋手套）采集操作數據； 視頻示教數據采集方法：利用視頻記錄設備采集數據，以記錄人形機器人或人類與環境及目標物體之間的交互過程，包括：第一視角視頻采集：采用可穿戴攝像設備（例如頭戴式攝像機、胸前攝像機）從示教者自身視角進行拍攝，記錄示教者所見內容以及其手部或末端執行器與物體交互的過程；第三視角視頻采集：采用布置于環境中的外部攝像設備（例如固定攝像機、三腳架攝像機、無人機攝像機）進行拍攝，記錄包括示教者全身運動及周圍環境上下文信息在內的97.2.1.1.3合成數據生成合成數據生成方法應通過物理一致性校驗，應記錄合成數據與真實物理引擎約束的偏差（如穿模率、重力違規率），且關鍵動力學參數（如關節扭矩）滿足物理約束和物理規律，包括但不限于： 基于虛擬仿真的合成數據生成方法：通過虛擬仿真平臺的數字資產模型（包括人形機器人與物品和環境的），按照一定自動化規則或虛擬遙操作技術合成數據； 基于生成模型的合成數據生成方法：通過生成模型（例如大語言模型、多模態大模型、生成式世界模型），按照一定規則合成數據，應提供物理合理性評估。7.2.1.2數據獲取要求應記錄數據獲取的環境物理參數與設備狀態信息。 應在數據獲取前完成所有傳感器外參標定，標定結果應存儲于標定文件中。 數據獲取過程中應包含傳感器性能退化檢測機制，對于因硬件性能退化產生偽影的數據（例如信號漂移超過規定閾值），應予以剔除或修正，數據采集方宜建立傳感器校準計劃和傳感 數據獲取過程應具備異常檢測、告警和中斷機制；坐標系要求：為避免不同人形機器人在協同場景或移動任務中引起世界坐標系基準漂移，應采用獨立于單一人形機器人體系的參考坐標系。具體要求如下： 參考坐標系的原點應選擇場景中穩定且與任務目標無關的點，例如任務區域中所有物體幾何中心點的最小包圍盒中心、實驗場景中經標定的公共參考標靶中心或其他具有長期不變性的 參考坐標系的Z軸應垂直向上，X軸應指向預定義的全局前方方向，Y軸應遵循右手定則。所有主體（包括機器人各關節、攝像機、傳感器、操作者與交互對象等）均應以參考坐標系為 當場景中存在多個移動主體時，應持續記錄移動主體自身局部坐標系相對于參考坐標系的變 元數據中應提供完整的坐標系定義、命名規則、以及坐標系變換關系等信息，以支持數據的一致性解釋和復用。多模態同步與時間對齊要求：應建立跨模態數據同步觸發機制，確保所有傳感器在同一時刻開始采集數據，實現毫秒級時間同步。同步觸發機制可包括硬件同步、軟件同步、混合同步和共享時鐘同步。同一任務ID下，所有樣本的時間戳應以統一設備（如人形機器人主控）時鐘為基準,不同傳感器間時間戳偏差均方根（RMS）不應超過主參考傳感器單幀采樣周期的一半。應在元數據中提供時間同步方案說明及實際達到的同步精度評估報告。注1：主參考傳感器應根據實際數據集用途確定。例如，對于視覺—語言—動作（VLA）模型，主參考傳感器通?？蛇x擇頭部攝像機或腕部攝像機。空間對齊要求：不同測距傳感器采集的空間數據應統一至參考坐標系中，完成空間對齊與數據融合后，最終空間偏差應不大于5mm。設備接口與可擴展性要求：應支持標準化接口協議，確保不同廠商設備之間的互聯互通。應具備分布式架構擴展能力，并支持新設備的兼容接入。7.2.1.2.1通用要求應記錄數據獲取過程中的環境信息、任務信息、機器人狀態、系統狀態及其他影響數據獲取的信息。數據獲取過程應具備異常檢測、記錄、告警和中斷機制。坐標系要求：為避免不同人形機器人在協同場景或移動任務中引起世界坐標系基準漂移，應采用獨立于單一人形機器人體系的參考坐標系。具體要求如下： 參考坐標系的原點應選擇場景中穩定且與任務目標無關的點，例如任務區域中所有物體幾何中心點的最小包圍盒中心、實驗場景中經標定的公共參考標靶中心或其他具有長期不變性的 參考坐標系的Z軸應垂直向上，X軸應指向預定義的全局前方方向，Y軸應遵循右手定則。所有主體（包括機器人各關節、攝像機、傳感器、操作者與交互對象等）均應以參考坐標系為 當場景中存在多個移動主體時，應持續記錄移動主體自身局部坐標系相對于參考坐標系的變 元數據中應提供完整的坐標系定義、命名規則、以及坐標系變換關系等信息，以支持數據的一致性解釋和復用。多模態同步與時間對齊要求：應建立統一的時間基準和跨模態數據同步機制，確保不同模態數據、機器人狀態、控制數據及環境狀態能夠對應至同一物理時刻、仿真時刻或邏輯時刻。同一任務或ID下，所有數據的時間戳應采用統一的時間基準，或應提供不同時間基準之間的映射關系?？臻g對齊要求：不同空間感知設備或虛擬傳感器產生的空間數據應統一至參考坐標系。接口與可擴展性要求：應支持標準化接口協議和數據通信機制，以支持不同廠商設備、仿真平臺或生成工具之間的互聯互通。應具備擴展和兼容接入能力，并支持新增設備、虛擬傳感器、機器人模型、生成模型或數據模態的接入。7.2.1.2.2真實數據采集要求 應在數據采集前完成所有傳感器內外參標定，標定結果應存儲于標定文件中。 數據獲取過程中應包含傳感器性能退化檢測機制，對于因硬件性能退化產生偽影的數據（例如信號漂移超過規定閾值），應予以剔除或修正； 數據采集方宜建立傳感器校準計劃和傳感器健康監測機制。多模態同步與時間對齊要求：應確保所有傳感器在同一時刻開始采集數據，實現毫秒級時間同步。同步觸發機制可包括硬件同步、軟件同步、混合同步和共享時鐘同步。同一任務ID下，所有樣本的時間戳應以統一設備（如人形機器人主控）時鐘為基準,不同傳感器間時間戳偏差均方根（RMS）不應超過主參考傳感器單幀采樣周期的一半。注：主參考傳感器應根據實際數據集用途確定。例如，對于視覺—語言—動作（VLA）模型，主參考傳感器通?？蛇x擇頭部攝像機或腕部攝像機。空間對齊要求：完成空間對齊與數據融合后，最終空間偏差應不大于5mm。7.2.1.2.3合成數據生成要求合成數據在數據結構、數據字段及數據格式等方面，應與真實數據保持一致。合成數據應符合基本物理規律和人形機器人運動學、動力學約束，避免出現明顯不符合實際物理規律和人形機器人本體配置的關節運動、接觸關系或操作結果。7.2.2數據處理獲取后的數據集應進行處理，以形成完整且有效的數據。使用的數據處理方法具體取決于所采集數據的質量和數據集用途，包括但不限于：a）數據清洗：若執行數據清洗操作，應保留處理前后數據之間的映射關系，并確保修改過程可追溯（即通過審計追蹤記錄相關修改信息）；b）數據對齊：應對多模態和多源數據進行對齊處理，以確保時間和空間上的一致性，應規定可接受的誤差范圍，并記錄所有參數和方法，以保證結果的可復現性和可靠性；c）數據增強：于數據量不足或多樣性有限的數據集，應采用數據增強方法豐富數據集，數據增強后應保持原始語義不變，并維持時間維度及跨模態的一致性；d）數據融合：多源數據按照一定的規則或算法組合起來，得到比單獨用任何一個來源都要更好的結果。應根據任務需求和環境復雜度，合理確定真實數據和合成數據在整體數據集中的占比。數據融合應記錄融合規則、權重、沖突處理方法和不確定性，并評估融合結果是否滿足e）數據分幀：針對運動數據，宜按動作周期（例如步態周期、抓取動作）分幀，而非固定時間窗口，確保動作語義完整性。針對視覺數據，數據分幀宜與關鍵關節運動幀同步（例如膝關節最大屈曲時刻）。針對語音交互數據，分幀處理應結合頭部運動軌跡與口型同步特征，滿足人機自然交互需求；f）數據壓縮：針對控制指令與高精度傳感器數據（如IMU、力覺應采用無損壓縮，保留微秒級運動細節。針對非關鍵感知數據（如環境背景點云）可采用有損壓縮，但應保持人形機器人關鍵部位（頭、手）的輪廓精度；g）數據格式轉換：根據下游工具鏈、模型訓練或長期歸檔需求，通過專用工具或腳本，將多源異構原始數據（如ROSbag、LAS點云、RAW圖像等）轉換為標準化格式（如HDF5、leRobot、RLDS）的操作，其核心目標是統一多模態數據接口、適配跨框架應用場景、優化存儲與傳輸效率。數據格式轉換過程中應保留時間戳、坐標系、標注信息在內的關鍵元數據，確保數據精度無損失；h）數據標注：數據標注流程、標注人員要求、標注環境及工具、質量控制應符合GB/T42755-2023的相關規定。對涉及主觀判斷、意圖或安全狀態的標注，應設置復核機制。數據標注內容及要求包括：4）表情與語音標注（如適用）：應標注面部表情、情緒狀態、語音內容和語言類型；5）環境標注：應標注環境類型和環境條件；7）機器人元數據：應標注具體機器人類型或型號以及機器人名稱；8）任務信息：應標注詳細場景描述和任務描述；9）環境信息標注：應標注光照、溫度、濕度、噪聲、位置、時間戳、照度等信息。數據處理活動應可追溯。數據清洗、對齊、增強、融合、壓縮、格式轉換和標注等處理活動應記錄處理工具、算法或腳本版本、參數、輸入數據版本、輸出數據版本、操作人、處理時間和處理結果。不應以無法復現的方式覆蓋原始數據。7.2.3數據驗證和確認數據驗證是指提供客觀證據，證明數據質量要求已得到滿足。數據確認是指確定數據符合預期目應開展驗證與確認工作，以確保僅有可用數據進入數據集生命周期的后續階段，該過程可涉及多輪迭代循環，直至驗證與確認結果均表明其符合第8章規定的要求數據獲取后，應進行數據驗證和確認，確保數據滿足預期目標，如果符合要求，則進入數據處理階段。如果不符合要求，則應按不合格數據管理流程進行處置，處置方式可包括修復、隔離、保留或刪除，并補充進行數據獲取，直到符合要求才能進入數據處理階段。數據處理后，應再次進行數據驗證和確認，以確保處理后的數據符合預期的質量要求。如果符合要求，則形成數據集并進入數據集存儲階段。如果不符合要求，應補充進行數據獲取和/或數據處理，直到符合要求。7.3數據集存儲7.3.1一般要求數據集存儲指用于保存、組織、管理和提供數據集組成部分訪問的設施、服務或基礎設施。數據集存儲應滿足以下要求：a）完整性：數據集存儲應保持裸數據、處理數據、標注數據、元數據及數據集說明文件之間的一致性與關聯關系，應提供完整性校驗機制，用以識別數據篡改、損壞或丟失情況；b）可訪問性：數據集存儲應為授權用戶提供附有文檔說明的訪問方式與訪問路徑。若提供訪問接口或查詢機制，應對其進行文檔化說明；c）可追溯性：數據集存儲應留存可追溯記錄，涵蓋數據集版本、存儲位置、數據轉換過程、元數據關聯關系及訪問日志；d）存儲架構：數據集存儲宜支持預期的數據集規模、授權訪問模式與長期保存需求，而不規定具體的存儲架構。注：本地存儲、分布式存儲、云存儲及混合存儲架構均為可采用的實現方式。7.3.2數據集存儲格式要求元數據存儲可根據數據類型和運行效率，采用嵌入式方法、附屬文件格式或兩者混合的方式進行數據集存儲架構應經過設計以優化內存和計算資源，支持大規模、多模態機器人數據的高效存儲、檢索和擴展。應采用公開可用的規范，不應依賴專有格式或存在實現限制的技術方案。應具有版本管理機制，支持數據集演進、迭代和修訂過程的可追溯管理。數據存儲格式應具有完整性保護機制，支持密碼校驗和完整性校驗，用于檢測元數據、裸數據和標注數據在存儲、傳輸和歸檔過程中的修改、篡改和損壞。數據集應包含不可修改的完整性清單。發現完整性校驗不符合要求時，應對相關數據進行隔離，且此類數據不應再用于人形機器人的模型訓練、驗證和部署。數據集存儲文件組織和命名應滿足以下要求：1）一致性：同一數據集內的文件命名應遵循統一的命名模板和規則。命名規則應在數據集說明文件中明確記錄；2）唯一可標識性：每個文件應具有唯一的標識，不同文件不應使用相同的文件名；3）可擴展性：文件命名應支持新增數據模態、數據類別、傳感器類型及版本信息等擴展需求，適應多樣化且不斷增長的數據類型。b）命名組成要素應包含能夠標識文件內容和來源的關鍵信息，宜包括以下要素：1）任務標識：表示所屬任務類型或任務編號；2）樣本標識：表示所屬樣本的唯一編號；3）數據類型：表示數據的模態或數據類別。注：數據類別是指同一數據模態下數據是否經過處理，如裸數據、標注數據。a）傳感器標識：表示數據來源的傳感器名稱或編號；b）時間戳或幀編號：表示數據采集的時刻或序列位置；c）版本標識：表示數據處理或標注的版本號（如適用）。e）文件名應使用英文字母、數字和下劃線組成，不應使用空格和中文字符；f）命名組成部分宜采用下劃線分隔；g）序號和編號宜使用固定位數并以零填充（例如episode_001、frame_000042h）文件擴展名應與文件實際格式一致，使用小寫字母。7.3.3數據集存儲目錄結構數據集存儲應按以下目錄結構：a）根目錄：應以數據集名稱和版本號命名，根目錄下應包含數據集說明文件（如README）、元數據文件和各功能子目錄；b）功能子目錄：可按功能模塊劃分子目錄，包括但不限于：1）數據描述目錄：存放元數據；2）裸數據目錄：存放未經處理的裸數據；3）處理數據目錄：存放經過清洗、對齊、增強等處理后的數據；4）標注數據目錄：存放標注數據；5）文檔目錄：存放數據集使用說明、數據獲取規范、標注指南。c）任務與樣本目錄：宜按任務類型建立任務目錄，任務目錄下宜按樣本建立樣本目錄。樣本目錄應包含該樣本的所有數據文件和標注文件。目錄層級結構宜進行合理設計，以保證數據訪問效率，并避免因目錄路徑過長而降低系統兼容性。目錄設計宜遵循可擴展原則，支持新數據模態的增加和舊數據模態的刪除。各級目錄下宜包含索引文件，記錄該目錄下所有文件和子目錄的清單、屬性和關聯關系，以支持快速檢索和數據完整性校驗。真實數據與合成數據應在目錄結構層級可分離，無明確來源標記的混合數據會在領域差距評估或安全審計時產生數據溯源問題。應指定合成數據標記或采用專用子目錄規定。7.4數據集發布數據集發布前應通過格式校驗腳本（例如JSONSchema驗證）與一致性檢查工具（例如時間戳/坐標系對齊驗證）進行校驗和檢查。校驗和檢查報告應作為數據集附件，記錄總樣本數、各模態數據量、時間同步誤差統計、坐標轉換誤差統計。 對數據集進行風險評估，確保數據集發布后的風險可承受； 建立數據集說明文件，以描述數據集屬性，包括但不限于數據集名稱、預期用途、數據集提供方（責任組織）名稱及聯系方式、版本、創建時間、數據集格式、數據集規模、人形機器人型號、本體形態、場景、數據采集方式、控制頻率、使用權限、隱私保護措施以及數據集注：數據集規模包括存儲容量、樣本規模（如動作序列數量、圖像數量等）。7.5數據集使用數據集提供方宜收集數據集使用全過程信息，包括但不限于使用者、使用場景、使用時長、數據訪問量以及數據集使用反饋信息。數據集提供方應提供唯一的數據集版本號并記錄版本修訂信息。每次修訂記錄應包含修訂原因、修訂范圍、責任人員和修訂時間。在數據集使用過程中，當新增應用需求或能力需求出現時，數據集提供方可對數據集進行擴展。數據集擴展應在不破壞已有數據集完整性與版本可追溯性的前提下，支持對多模態數據的動態增加。7.6數據集退役數據集退役是數據集生命周期的終止階段。出現下列情形之一時，應將數據集退役： 數據集不再滿足預期用途或質量要求； 數據集存在無法通過修訂消除的安全、隱私或合規問題； 數據集已被新版本替代，且舊版本不再需要保留； 數據集授權期限屆滿、許可撤回或法律法規要求刪除； 數據集保留期限屆滿。數據集退役結果應包括以下一種或多種方式，或由相關方協議明確約定的其他方式： 歸檔：為滿足合規性或歷史保存需求，對數據集進行安全保存，并限制其訪問權限，不再用于人形機器人開發、訓練、測試或評估等活動； 返還：將數據集返還至數據集提供方，或返還至相關方協議明確指定的授權接收方。 銷毀：對數據集進行不可恢復的徹底刪除；所有退役活動均應符合適用的法律法規（包括法定保存期限）及相關方協議的要求。相關組織應在實施退役前，明確并形成文件記錄退役方式，以及負責實施退役的授權人員。當退役方式為歸檔時，相關組織應采取訪問控制和安全保護措施，在保存期間保障數據集及數據主體隱私的安全。當退役方式為返還時，相關組織應驗證數據集已成功完成交付，并在法律法規未要求本地保留的情況下，刪除本地保存的全部數據集副本。當退役方式為銷毀時，應滿足以下要求： 應采用能夠確保數據集不可恢復的銷毀方法； 應依據預先規定的、可測量的準則對銷毀結果進行驗證，例如密碼學擦除驗證、零讀取驗證或經認證的物理銷毀； 應保留可驗證的銷毀記錄，包括銷毀時間、采用的銷毀方法以及授權證明。8數據集生命周期全過程通用要求8.1一般要求本文件的使用者可根據應用需求，對數據集的質量、安全和隱私等特性提出要求。相關要求應遵循與硬件相關參數解耦的原則，即不應依賴于特定硬件參數。注：人機交互數據可在人與機器人直接交互過程中，以透明的方式使用，并應遵循數據提供方在隱私、安全和合規方面的義務。8.2數據集質量要求數據集質量要求適用于數據集生命周期的各個階段。數據集質量特性可包括但不限于準確性、完整性、一致性、可訪問性、可追溯性、可用性、多樣性、有效性和代表性（見ISO/IEC5259-2，其中給出了這些質量特性及其評價方法）。應根據數據集質量要求選擇相應的質量特性和評價方法。數據集質量管理應在數據集生命周期的開始階段建立并保持直至數據集退役階段。數據集質量問題可能產生于數據集生命周期的任何階段，因此宜盡可能在上游階段發現并解決，以減少數據集使用方的工作量，并提高后續版本數據集的一致性。ISO/IEC5259-3:2024規定了數據質量管理過程的要求和指南。ISO/IEC5259-4:2024提供了實現上述要求的數據質量管理過程框架。數據集質量要求和相應的評價方法應符合本系列標準第6部分的規定。8.3數據集安全要求應在數據集生命周期的各個階段采取安全保護措施，確保數據集的機密性和完整性。機密性是指數據集僅允許授權訪問和使用，并防止未經授權的訪問。完整性是指防止數據集被未經授權地修改，保證數據準確、完整。注1：本文件所述“機密性”具有廣義含義，涉及商業秘密及其他機密信息保護的要求，遵循相關國家和地區法律法規的要求，不在本文件中規定。應針對數據集生命周期各階段規定訪問控制邊界，至少包括訪問范圍、使用期限和允許的使用場景。應禁止未經授權的數據集傳輸、共享和使用。對于未經授權訪問高風險數據的行為，應能夠自動檢測并觸發告警。未經授權，不應修改或篡改數據集核心內容。注2：高風險數據是指泄露或濫用后可能造成嚴重危害的數據，包括涉及國家安全、公共利益、個人敏感信息（如生物特征數據、醫療數據）以及核心技術有關的相關數據。數據采集、存儲、處理、分發、和刪除環節的安全要求應符合GB/T37973—2019第8章的規定。對數據集執行的所有關鍵操作，包括訪問、修改和刪除，應記錄審計日志。審計日志應采取保護措施，防止未經授權的修改或刪除。8.4數據集隱私要求數據集隱私要求涉及PII保護，應防止其被未經授權地使用，并應符合適用的法律法規及國家有關PII保護的要求。用于機器學習模型的人形機器人數據集可能包含PII，可采用去標識化技術去除ISO/IECTR27550給出了面向生命周期工程的數據隱私保護過程，并提出了以下隱私保護目標：——不可關聯性：確保PII主體能夠多次使用資源或服務，而不會被他人將這些使用行為關聯起——透明性：確保隱私相關數據處理過程具有充分的透明度，使信息的采集、處理和使用過程能——可干預性：確保PII主體、PII控制者、PII處理者及監管機構能夠對涉及隱私的數據處理活動實施干預。ISO/IEC29100規定了隱私保護要求和隱私保護原則。涉及個人信息的數據集應符合GB/T35273中相關要求，不得非法提取、濫用數據中的敏感信息（如涉密場景數據），確保數據的去標識化和匿名化。生物特征數據（例如面部特征、步態模式、聲紋）和情緒狀態數據應通過加密和訪問控制進行保敏感環境信息（例如私人設施、辦公室布局或商業區域）應加密并限制訪問，以防止未經授權的全身操作典型任務示例全身操作數據集涵蓋的典型任務示例如表A.1所示。表A.1全身操作典型任務示例任務類別任務描述典型示例上肢操作人形機器人手臂及末端執行器直接與外部物體的交互，通過抓取、移動、操控等方式改變物體的狀態、位置或功能擰螺絲、插拔電器插頭、流水線電池分揀下肢操作人形機器人下肢，主要是腿部、腳部等部位，直接對外部物體進行如踩、踢、頂等操作，改變物體的位置、姿態或狀態用膝蓋抵住門、踢足球移動操作人形機器人在執行整體位置移動（如步行、轉向）的過程中，協調全身（包括上肢和下肢）完成持續或間歇性任務的操作模式。搬箱子、拿快遞上樓、移動掃落葉頭部操作人形機器人頭部(含頸部)通過轉動、點頭、搖頭等動作，改變頭部位姿或視線方向，以輔助感知、交互或執行特定操作用頭部頂起輕質物體、用頭部擊飛籃球全身協同操作人形機器人在執行任務過程中，協調上肢、下肢、頭部、腰部等多個身體部位通過多肢聯動與重心配合，完成單一部位無法獨立實現的復雜操作雙手搬起重物并行走、彎腰后轉身放置物體、攀爬梯子時手腳并用、蹲下撿拾地面物品后站立并傳遞運動控制數據集的任務類型運動控制數據集涵蓋的任務類型如表B.1所示。表B.1運動控制數據集的任務類型任務類別任務描述子任務名稱子任務描述典型示例姿態與平衡控制通過實時感知本體狀態及地面接觸信息，維持身體平衡并抵抗擾動靜態平衡控制在無外力或輕微擾動下保持身體穩定姿態站立保持10秒不晃動動態平衡控制在行走、轉向等動態運動中維持質心與支撐面的穩定關系邊走邊保持身體不傾倒擾動恢復控制在外部推拉等擾動下快速恢復平衡被輕推后2步內恢復穩定步態生成與切換生成適應不同地形與速度的足端軌跡和步態模式，保持連續穩定運動基本步態生成生成行走、跑步、踱步等基礎步態以0.6m/s勻速行走地形適應步態生成適應斜坡、樓梯、不平地面的步態軌跡在10°斜坡上行走步態相位切換在不同步態模式間平滑切換并保持穩定過渡從走路切換為小跑軌跡跟蹤與全身協調控制全身多關節協調運動，以實現目標軌跡的精確跟蹤質心（CoM）軌跡跟蹤控制質心位置、速度與加速度跟隨規劃軌跡按規劃的Z字形CoM軌跡行走軀干與四肢協調控制保證上肢、軀干和下肢在運動中的協同穩定性走路時保持上身直立、手臂擺動自然足端軌跡跟蹤控制足端空間軌跡的準確執行，包括擺動相和支撐相按指定足端軌跡跨過障礙物接觸與力控調節基于地面反作用力（GRF）和力矩測量實現接觸穩態控制與力分配接觸狀態估計判斷足端是否接觸、接觸質量和支撐可靠性識別左腳是否完全著地步態力控調節根據接觸力變化動態調整步態、支撐力和身體姿態遇到小坑時自動增加支撐力全身力矩調節控制關節力矩分布以實現穩定支撐與柔順性踩到軟墊時自動降低阻抗底層控制執行生成并執行關節級控制信號，實現精細、快速的運動響應關節位置/速度控制控制單關節或多關節按指令運動右膝屈曲20°保持1秒力矩級控制依據力矩參考值進行關節力矩輸出以5Nm力矩抬腿阻抗控制在外界干擾下保持柔順性和穩定性被拉動手臂時保持阻抗模式穩定表B.1運動控制數據集的任務類型（續）動態技能與反應動作根據環境變化或任務需求執行高動態動作快速轉身在較短時間內完成安全快速轉向0.5秒內完成90°轉向急停與穩態過渡在突發情況立即制動并穩定身體姿態檢測前方障礙后立即停下不跌倒跨越/跳躍初級技能跨越小型障礙、短距跳躍等基礎動態技能學習跨過高度8cm的障礙物20人機交互數據集的典型任務類型本附錄列舉了人形機器人人機交互數據集的典型任務類型,按交互模態與功能維度劃分為語言交互、視覺交互、情感交互、社交行為、多模態融合、對話管理、特殊場景七大類。每類任務均對應數據集輸入-輸出樣本對中的特定數據要素,如表C.1。表C.1人機交互數據集典型任務任務類別任務描述子任務名稱子任務描述典型示例語言交互任務從語音到語義理解、對話管理和自然語音輸出的整體語言交互流程語音識別與轉寫將語音信號轉換為文本，支持多語言、多口音、噪聲環境在廚房油煙機運行的噪聲中，用戶說“幫我設個8分鐘計時器”，系統準確轉寫自然語言理解解析語句語義，提取用戶意圖和情感傾向"理解'那個燈'的指代對象"意圖識別判斷用戶交互目的，如請求、詢問、確認、拒絕等用戶說“把窗簾拉開”，系統識別為“請求-打開設備”。多輪對話管理維護對話上下文，處理指代消解、省略補全、話題切換用戶先說“打開臥室燈”，后說“再關掉那個”，系統理解“那個”指“臥室語音生成與應答生成自然流暢的語音回復，支持情感化表達和個性化風格用柔和語氣回應：“好的，我已為您打開臥室的燈。視覺交互任務通過視覺感知理解用戶的面部表情、動作意圖與視覺線索人臉識別與跟蹤檢測、識別和跟蹤用戶面部，支持多人和部分遮擋在家庭聚會中自動跟隨正在說話的用戶。表情識別識別基本情緒(高興、悲傷、憤怒、驚訝等)和復合情緒,評估情緒強度"識別用戶臉上的微笑表情"手勢識別識別靜態手勢(如指向、OK手勢)和動態手勢(如揮手、招手),理解手勢語義"識別用戶指向水杯的手勢"姿態理解識別身體姿態、身體朝向和動作意圖"判斷用戶正在看哪個物體"目光跟蹤估計視線方向,識別注視目標和注意力分配"判斷用戶正在看哪個物體"情感交互任務通過多模態方式識別用戶情緒并生成具有情感溫度的互動多模態情緒識別融合語音韻律、面部表情、生理信號(如心率、皮膚電導)識別用戶情緒狀態"綜合判斷用戶當前處于沮喪狀態"21表C.1人機交互數據集典型任務（續）任務類別任務描述子任務名稱子任務描述典型示例情緒狀態跟蹤監測情緒演化過程,識別情緒轉折點和持續時間"跟蹤用戶從焦慮到平靜的情緒變化"情感表達通過語音語調、面部表情、肢體動作表達情感"用溫和語調配合微笑表達關心"共情反應根據用戶情緒生成適當的情感回應和安慰行為"檢測到沮喪時給予安慰"情緒調節識別負面情緒并采取適當策略進行疏導"通過對話疏導用戶的焦慮情緒"社交行為任務遵循人類社交規范，實現自然合作與禮儀行為社交距離管理識別個人空間并動態調整與用戶距離系統在與老人交流時保持更近距離，在陌生客人面前保持較遠身體朝向與注視調整身體朝向，維持目光接觸"轉身面向說話的用戶"協同動作與用戶同步動作節奏協作完成任務"配合用戶節奏共同搬運物品"社交導航在人群中導航，保持禮貌避讓與跟隨在商場中自動繞開兒童并減速避免驚擾。禮儀行為執行問候、感謝、告別等社交禮儀動作客人離開時機器人說：“歡迎下次再來?！辈]手致意。多模態融合任務綜合語音、視覺等多種感知形式進行高層理解與決策語音-手勢聯合理解融合語音指令和手勢信息進行綜合理解"理解'把那個拿過來'(語音)+指向動作視聽覺融合感知結合視覺和聽覺信息進行聲源定位、說話人識別在多人會議中根據聲源方向與面部匹配判斷當前發言者。表情–語音情感一致性分析語音情感與表情是否一致"檢測'不用了'的語音與微笑表情的矛盾"跨模態意圖推理綜合多模態線索推斷隱含意圖"通過表情、語調綜合判斷真實意圖"對話管理任務管理對話流程、輪次與策略，保持自然、高效的人機溝通輪次管理識別對話輪次、打斷、等待與繼續用戶突然插話“等一下！”系統立即暫停執行并等待下一指話題管理跟蹤當前話題，處理切換與回溯"從天氣話題自然切換到烹飪話題"澄清與確認處理模糊或不完整指令用戶說“把燈調亮點”，系統詢問：“是客廳燈還是臥室燈？”中斷與恢復處理對話中斷并自然恢復原任務"接電話后繼續之前的話題"策略優化根據用戶偏好與反饋動態調整回復方式"識別用戶偏好簡潔回答后調整風格"22表C.1人機交互數據集典型任務（續）任務類別任務描述子任務名稱子任務描述典型示例特殊場景任務應對多人、弱勢群體、緊急狀況等復雜交互場景多人交互識別并區分多個交互對象，管理多人輪次"家庭聚會中識別不同成員并分別回應"弱勢群體交互適配兒童、老人、殘障人士需求"與老年人交互時語速放慢、音量增大"異常情況處理檢測跌倒、危險場景并緊急響應"檢測到跌倒立即詢問并呼叫幫助"情境適配根據家庭、辦公、公共場所調整交互風格在辦公室中語氣更正式，在家中語氣更輕松自然。"在圖書館環境中降低語音音量"長期交互學習用戶喜好并維護長期關系"記住用戶的作息習慣和飲食偏好"23認知決策數據集的典型任務類型本附錄列舉了人形機器人認知決策數據集的典型任務類型，按認知決策層級與功能維度劃分為感知理解、單任務決策、多任務調度、預測推理四大類，見表D.1。表D.1認知決策數據集典型任務類型任務類別任務描述子任務名稱子任務描述典型示例感知理解基于多模態感知數據，對物理世界狀態、語義關系及情境進行解析與描述主動目標識別在動態環境中主動選擇感知焦點并識別關鍵目標及其屬性“找到桌面上最