階段四：數據採集（Windows）
本階段錄製遙操作數據集：在人工操控下採集"關節角 + 相機圖像"樣本，供後續訓練。數據集質素直接決定策略效果，操作要規範、一致。本階段全程本地錄製，無需 HF 登入。
前置條件
已完成 階段三：遙操作 並驗證方向正確
相機已連接並記錄索引（
lerobot-find-cameras）已確定本地數據集存儲路徑（本文示例用
D:\lerobot_data，可自定義）
步驟 1：確認相機索引
lerobot-find-cameras記錄相機編號。例如：
0 號：腕部相機（wrist）
1 號：頂部相機（top）
⚠️ 注意（相機索引）：
index_or_path是相機索引（0/1/2...）或影片流路徑。不同電腦編號不同，務必先確認。
步驟 2：錄製數據集（本地儲存，無需登入）
lerobot-record --robot.type=so101_amazing_hand --robot.port=<從動臂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=<主動臂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將
<從動臂COM>/<手COM>/<主動臂COM>替換為實際 COM 號；相機index_or_path替換為你的相機索引。
💡 說明：
--dataset.root=D:\lerobot_data：數據集儲存到指定本地路徑，無需 HF 登入（不寫則預設存%USERPROFILE%\.cache\huggingface\lerobot\datasets...）。--dataset.push_to_hub=false：關閉上傳（預設會嘗試推送到 HF，需登入）。只有需要共享數據集時才改為true。--dataset.repo_id=soarm_amazing_hand_pick：數據集名稱，訓練時用同一名稱引用。--display_data=true需要 rerun（未裝則pip install "rerun-sdk>=0.24.0,<0.34.0"），或去掉該參數（錄製不受影響）。
參數說明
| 參數 | 說明 |
|---|---|
--robot.cameras | 相機配置。index_or_path 為相機索引，width/height/fps 必填 |
--dataset.repo_id | 數據集名稱（本地標識用） |
--dataset.root | 數據集本地存儲路徑。純本地錄製必加，避免預設路徑不可控 |
--dataset.push_to_hub | false=僅本地（預設建議）；true=推送到 HF（需登入） |
--dataset.num_episodes | 錄製輪數（episode） |
--dataset.episode_time_s | 每輪錄製最長秒數（預設 60）。任務提前完成可按 Enter 提前結束；超過自動結束該輪 |
--dataset.single_task | 任務描述，寫入數據集元數據 |
--display_data=true | 實時顯示錄製畫面（可選） |
錄製操作規範
每輪（episode）流程：
將機器臂 + 手復位到起始位置
在終端按 Enter 開始錄製
操作主動臂執行任務（如抓取方塊），動作要慢、一致
任務完成後按 Enter 結束本輪（不按則最多錄 60 秒，由
--dataset.episode_time_s控制，到時自動結束）重複直至達到
num_episodes
⚠️ 注意 1（起始位一致）：每輪從相同起始位開始，避免數據分布混亂。建議固定一個復位姿勢。
⚠️ 注意 2（動作一致性）：同一任務用相似的操作軌跡（接近角度、抓取位置、速度），策略學得更快更穩。
⚠️ 注意 3（錄製質素）：寧可少錄幾輪高質素，不要大量混亂樣本。20 輪是 ACT 的起點，複雜任務建議 30-50 輪。
⚠️ 注意 4（相機實時性）：錄製時避免遮擋相機、強光變化，圖像一致性影響泛化。
數據存儲
本地錄製：數據儲存在
--dataset.root指定的目錄下（示例D:\lerobot_data\soarm_amazing_hand_pick）。訓練引用：訓練時用**同一
--dataset.repo_id+ **--dataset.root即可，無需手動移動檔案：
lerobot-train --dataset.repo_id=soarm_amazing_hand_pick --dataset.root=D:\lerobot_data ...- HF 登入場景（可選）：需要共享數據集到雲端時，改成
--dataset.push_to_hub=true（需huggingface-cli login）。僅本地訓練不需要。
⚠️ 注意（本地 vs 雲端）：預設教程全程本地，
--dataset.push_to_hub=false確保不觸發 HF 登入。只有想共享數據集才加true。
步驟 3：回放驗證（可選但推薦）
錄製完成後，可用 lerobot-replay 回放某輪數據，驗證數據質素 + 機器人動作記錄是否正確。回放時機器人自動重演該輪動作（含手開合）。
lerobot-replay `
--robot.type=so101_amazing_hand `
--robot.port=<從動臂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將
<從動臂COM>/<手COM>替換為實際 COM 號；--dataset.episode為要回放的輪序號（從 0 開始，如錄了 20 輪則0~19）。
💡 說明：回放前將從動臂 + 手移回起始位，避免動作衝突；回放過程中機器人會自行運動，不要手動干預。若回放動作與錄製時明顯不一致，說明數據質素有問題，建議重錄該輪。
完成本階段後，進入 階段五：模型訓練。
故障排查
| 現象 | 原因 | 解決 |
|---|---|---|
| 相機找不到 | 索引錯/驅動缺失 | lerobot-find-cameras 確認；裝 OpenCV/相機驅動 |
| 錄製中斷 | 串口超時 | 確認三裝置串口未被佔用，重試 |
| 圖像全黑/花屏 | 相機配置錯 | 檢查 index_or_path/fps |
| 數據集為空 | 未正確錄製 | 確認每輪按 Enter 開始/結束 |