选机器人数据集，不能只比数据量。先确认动作含义、相机与标定、任务和场景是否适合目标设备，再用小批数据验证转换与训练流程。公开数据可以提供起点，但不能代替目标机器人的现场评估。本文是资料分析，未进行机器人实测。
- 数据格式统一，不代表动作可以直接发送给另一台机器人。
- 相机位置、标定和任务覆盖，应与数据规模一起检查。
- 先用小批样本检查适配，再决定是否投入全量训练。
先看动作含义，再谈数据规模
Open X-Embodiment 项目汇集不同机器人的数据，并提供标准化格式；其 RT-X 模型说明明确了动作相对夹爪坐标系的表达，以及位置、姿态和夹爪开合等分量。[1] 这提醒选型团队：字段名称相同，只是开始，不能据此判断动作含义完全一致。
建议为准备使用的数据写一张映射表：每个动作分量表示什么、使用什么单位与坐标系、是位置还是变化量、采样节奏如何，与目标机器人控制接口如何对应。不能确认的字段先标为待核对，不要凭文件可以读取就推进实机执行。
画面相似，也要核对视角和标定
DROID 项目页同时提供外部相机与腕部相机的图像读取示例，并说明其硬件设置和相机标定资料；项目也发布过改进后的相机标定。[2] 对使用者而言，数据版本与标定文件需要一起记录，不能只保存视频文件名。
编辑建议：抽取几个完整任务片段，逐一查看物体是否被遮挡、关键动作是否在画面内、图像与动作是否对应，并记录相机在机器人上的位置。这里的少量抽查用于排除明显适配问题，不足以证明整套数据质量；发现问题后应扩大检查范围。
任务覆盖，比相似的演示更具体
DROID 的实验介绍区分了场景变化、干扰物与新物体实例。[2] 这些是该项目的研究条件，不能把项目报告的效果直接转为自己的成功率承诺。选数据时更值得追问：它是否包含你的目标动作、物体类型和任务结束条件？
例如，目标是把物品放进指定容器，就应区分抓起、移动、放下和确认放置这几个阶段。此例是编辑设计的检查方法，不是实测案例。把数据中缺失的阶段列出来，再决定补采、调整任务范围，还是更换数据来源。
用一张小规模试用记录做决定
LeRobot 官方模仿学习教程将记录与查看数据、训练策略、评估结果列为不同步骤，并要求先完成设备设置与标定。[3] 因此，完成数据转换并不是整个验证流程的终点。
建议按顺序记录：① 数据来源、版本和允许用途；② 输入字段与动作映射；③ 代表性片段及异常样本；④ 小规模训练的配置与输出，训练与评估样本分开记录；⑤ 目标环境中单独设计的评估结果。由具备相应经验的人员决定实机测试条件，不从训练完成直接跳到无人值守运行。
试用结束时，把转换、标注、补采、训练和评估各花了多少时间分别记下。若动作定义仍不清楚，先解决适配；若任务覆盖不足，先补数据。是否扩大投入，应依据这些具体缺项，而不是仅凭数据集规模。
适用条件与限制
本文依据项目页与官方教程，讨论数据选择方法，不是产品排名、授权意见或实机操作规程。研究项目的历史结果不代表当前所有设备表现；具体数据许可、版本、控制接口与现场评估条件需要另行核对。