两分钟看懂
录完的每条遥操作示范，甄数逐条判成合格、存疑、作废，写清原因和出问题的时间段
具身智能模型靠大量遥操作示范训练。问题示范混进训练集，会拖累训练出的策略；人工逐条看，成本随采集量一起涨。甄数先筛一遍，质检员只复看存疑的。
30 个公开数据集，笔记本电脑 CPU 上 8 分半钟查完；其中 18 个是插拔、开关、阀门这类电气和工业操作。
体检结果
作废的 69 条全是不到 1 秒的示范，看关节数据就能核实；存疑的交给人复看。还查出 3 份数据集的元数据编号重复。
第一个落地场景：电力设施里机器人动手的操作
配电室已经在试用远程遥操作分合闸，每一步人确认后机器人才执行；这类作业每天都在产生示范数据。甄数先做配电房和变电站开关室的插拔、分合闸、旋阀门、按按钮。
所有数字都来自公开数据上的离线评测，项目还没有客户和试点。明细见“方法与成绩”。
电气操作示例
7 份公开的电气和工业操作示范，甄数的报告打开就能看
都是 Hugging Face 上公开的 LeRobot 数据集，只用关节规则，参数没有调整。点一份，下面打开完整报告。
体检我的数据
把数据拖进来，甄数在你的浏览器里查，文件不上传
支持 LeRobot v3 数据集打成的 zip（含 meta/ 和 data/，不需要视频），以及 robomimic、RoboMIND 的 HDF5 文件。只跑关节规则；视频评判要显卡，不在网页里。
数据不出你的电脑。甄数的程序和运行环境都在本页面里，第一次打开要下载约 30 MB，之后浏览器会缓存。
引擎
方法与成绩
先定评测再写规则：阈值只在开发数据上定，所有比例写出分母
客观硬规则
读数缺失、时间戳倒退、示范过短：命中一条就作废
同任务对比的关节规则
停顿过长、空录、没做完、多余动作、二次抓取、动作不流畅；和同一任务的那批示范比，不用固定阈值
零样本视频评判
Robometer-4B、TOPReward 查指令不符和物体掉落；要显卡，网页里不跑
保守的判定融合
硬规则命中，或 3 个独立来源中有 2 个指向同一处问题，才判作废；其余有发现的判存疑
robomimic：甄数标出的比例，按操作员水平分
每档 100 条真人示范（Square、Can 两个任务各 300 条）。示范都完成了任务，差在动作质量，所以只判存疑。参数没改，第一次跑。
北京人形真质检标签（RoboMIND）
二次抓取的参数在 RoboVAD 上定，没在 RoboMIND 上调。常用的 3 个平顺度指标在这批标签上不比瞎猜好，没用上。
还不能说的
- 还没测过：用甄数筛过的数据训出的策略是不是更好。robomimic 上的下游实验已经备好，复赛前出结果。
- 体检里存疑的 1,690 条没有标签可核，还没抽查。
- 视频模型会误报：叠得太正、手臂遮挡都会骗过它们。
- 动作质量只抓到一部分：北京人形标签上“动作不流畅”只检出 14%。
- 电力设施的示范数据我们还没有，公开的电力操作数据集也没找到。
评测记录和复现命令都在代码仓库：github.com/hoongyu/assay
关于
Origo（知源）团队，4 人，都在柏林工业大学读硕士
这是什么
甄数（Assay）是具身智能遥操作示范数据的自动质检软件，代码以 Apache-2.0 开源。这个网页是演示原型：甄数的 Python 程序通过 Pyodide 在你的浏览器里运行，和命令行版是同一份代码。
授权和出处
- 甄数和本网页：Apache-2.0
- Pyodide 运行环境：MPL-2.0；numpy、pandas、h5py：BSD；pyarrow：Apache-2.0
- 样例数据 lerobot/svla_so100_stacking：Apache-2.0
- 7 份示例报告由 Hugging Face 上的公开数据集生成，授权为 Apache-2.0 或 MIT，网页里只放报告，不放原始数据