阶段四：数据采集（Windows）
本阶段录制遥操作数据集：在人工操控下采集"关节角 + 相机图像"样本，供后续训练。数据集质量直接决定策略效果，操作要规范、一致。本阶段全程本地录制，无需 HF 登录。
前置条件
已完成 阶段三：遥操作 并验证方向正确
相机已连接并记录索引（
lerobot-find-cameras）已确定本地数据集存储路径（本文示例用
D:\lerobot_data，可自定义）
步骤 1：确认相机索引
lerobot-find-cameras记录相机编号。例如：
0 号：腕部相机（wrist）
1 号：顶部相机（top）
⚠️ 注意（相机索引）：
index_or_path是相机索引（0/1/2...）或视频流路径。不同电脑编号不同，务必先确认。
步骤 2：录制数据集（本地保存，无需登录）
lerobot-record --robot.type=so101_amazing_hand --robot.port=<从动臂COM> --robot.hand_port=<手COM> --robot.id=amazing_hand_follower --robot.cameras='{wrist: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30, fourcc: "MJPG"},top: {type: opencv, index_or_path: 1, width: 640, height: 480, fps: 30, fourcc: "MJPG"}}' --teleop.type=so101_leader --teleop.port=<主动臂COM> --teleop.id=amazing_hand_leader --dataset.repo_id=soarm_amazing_hand_pick --dataset.root=D:\lerobot_data --dataset.push_to_hub=false --dataset.num_episodes=20 --dataset.single_task="Pick up the cube with the dexterous hand" --display_data=true将
<从动臂COM>/<手COM>/<主动臂COM>替换为实际 COM 号；相机index_or_path替换为你的相机索引。
💡 说明：
--dataset.root=D:\lerobot_data：数据集保存到指定本地路径，无需 HF 登录（不写则默认存%USERPROFILE%\.cache\huggingface\lerobot\datasets...）。--dataset.push_to_hub=false：关闭上传（默认会尝试推送到 HF，需登录）。只有需要共享数据集时才改为true。--dataset.repo_id=soarm_amazing_hand_pick：数据集名称，训练时用同一名称引用。--display_data=true需要 rerun（未装则pip install "rerun-sdk>=0.24.0,<0.34.0"），或去掉该参数（录制不受影响）。
参数说明
| 参数 | 说明 |
|---|---|
--robot.cameras | 相机配置。index_or_path 为相机索引，width/height/fps 必填 |
--dataset.repo_id | 数据集名称（本地标识用） |
--dataset.root | 数据集本地存储路径。纯本地录制必加，避免默认路径不可控 |
--dataset.push_to_hub | false=仅本地（默认建议）；true=推送到 HF（需登录） |
--dataset.num_episodes | 录制轮数（episode） |
--dataset.episode_time_s | 每轮录制最长秒数（默认 60）。任务提前完成可按 Enter 提前结束；超过自动结束该轮 |
--dataset.single_task | 任务描述，写入数据集元数据 |
--display_data=true | 实时显示录制画面（可选） |
录制操作规范
每轮（episode）流程：
将机器臂 + 手复位到起始位置
在终端按 Enter 开始录制
操作主动臂执行任务（如抓取方块），动作要慢、一致
任务完成后按 Enter 结束本轮（不按则最多录 60 秒，由
--dataset.episode_time_s控制，到时自动结束）重复直至达到
num_episodes
⚠️ 注意 1（起始位一致）：每轮从相同起始位开始，避免数据分布混乱。建议固定一个复位姿势。
⚠️ 注意 2（动作一致性）：同一任务用相似的操作轨迹（接近角度、抓取位置、速度），策略学得更快更稳。
⚠️ 注意 3（录制质量）：宁可少录几轮高质量，不要大量混乱样本。20 轮是 ACT 的起点，复杂任务建议 30-50 轮。
⚠️ 注意 4（相机实时性）：录制时避免遮挡相机、强光变化，图像一致性影响泛化。
数据存储
本地录制：数据保存在
--dataset.root指定的目录下（示例D:\lerobot_data\soarm_amazing_hand_pick）。训练引用：训练时用**同一
--dataset.repo_id+ **--dataset.root即可，无需手动移动文件：
lerobot-train --dataset.repo_id=soarm_amazing_hand_pick --dataset.root=D:\lerobot_data ...- HF 登录场景（可选）：需要共享数据集到云端时，改成
--dataset.push_to_hub=true（需huggingface-cli login）。仅本地训练不需要。
⚠️ 注意（本地 vs 云端）：默认教程全程本地，
--dataset.push_to_hub=false确保不触发 HF 登录。只有想共享数据集才加true。
步骤 3：回放验证（可选但推荐）
录制完成后，可用 lerobot-replay 回放某轮数据，验证数据质量 + 机器人动作记录是否正确。回放时机器人自动重演该轮动作（含手开合）。
lerobot-replay `
--robot.type=so101_amazing_hand `
--robot.port=<从动臂COM> `
--robot.hand_port=<手COM> `
--robot.id=amazing_hand_follower `
--dataset.repo_id=soarm_amazing_hand_pick `
--dataset.root=D:\lerobot_data `
--dataset.episode=0将
<从动臂COM>/<手COM>替换为实际 COM 号；--dataset.episode为要回放的轮序号（从 0 开始，如录了 20 轮则0~19）。
💡 说明：回放前将从动臂 + 手移回起始位，避免动作冲突；回放过程中机器人会自行运动，不要手动干预。若回放动作与录制时明显不一致，说明数据质量有问题，建议重录该轮。
完成本阶段后，进入 阶段五：模型训练。
故障排查
| 现象 | 原因 | 解决 |
|---|---|---|
| 相机找不到 | 索引错/驱动缺失 | lerobot-find-cameras 确认；装 OpenCV/相机驱动 |
| 录制中断 | 串口超时 | 确认三设备串口未被占用，重试 |
| 图像全黑/花屏 | 相机配置错 | 检查 index_or_path/fps |
| 数据集为空 | 未正确录制 | 确认每轮按 Enter 开始/结束 |