片段式数据与流式机器人数据
片段式数据，还是连续的数据流？这个藏在每个机器人轨迹数据集背后的框架选择，决定了策略最终能学到什么。
机器人数据集几乎从不以一整段连续录像的形式出现。它总是被预先切成一个个片段（episode）：伸手、抓取、放置、复位、重复。是某个人或某段脚本决定了每个片段从哪里开始、到哪里结束。这个决定在任何一次梯度更新之前就已经做出，并悄然限定了在这份数据上训练出的策略能学到什么、学不到什么。
另一种框架是数据流（stream）：一段不间断的观测与动作日志，持续数分钟乃至数小时，没有清晰的接缝。两者描述的是同一段物理活动，却并不能相互替换。你所选择的框架，是片段式（episodic）还是流式（streaming），决定了数据如何存储、如何标注、哪些算法能够使用它，甚至决定了一个基准分数究竟意味着什么。
这是机器人学习中最不起眼的决定之一，也是影响最深远的决定之一。下面我们把它拆开来看。
一个片段悄悄假设了什么
一个片段是一条有界轨迹（trajectory）：一个起始状态、一串观测-动作对，以及一个终止条件，无论那是成功、失败，还是一个固定的时间时程。“复位”这个词掩盖了大部分工作量。在两个片段之间，总有人把场景恢复到一个新鲜的起始状态，或用手，或用脚本，或用第二条机械臂。这种复位是实验室的特权。一台在真实地面上工作的人形机器人，永远不会在两个任务之间被瞬移回某个标准姿态。
大多数模仿学习语料在构建上就是片段式的。Open X-Embodiment 聚合了大约一百万条轨迹，每一条都是带有已知任务标签的有界示范。DROID 是在数百个场景中采集的遥操作片段。RH20T 则围绕富接触的任务片段来组织。这种结构便于训练，但它同时是一个关于“任务从哪里开始、到哪里结束”的强假设。
数据流保留了片段丢弃的东西
再看自我视角视频语料。Ego4D 及其多视角后继 Ego-Exo4D 本质上就是数据流：数千小时的第一人称活动，不间断地流动，没有复位。人擦拭台面、停顿、伸手去拿抹布、把它掉在地上、再捡起来，然后漂移到下一件家务。这一切都没有被剪掉。
数据流保留了“过渡地带”。它保留了从一个技能切换到下一个技能的过程、发呆的几秒钟、失手以及随后的恢复。片段式切分通常恰恰删掉了这些素材，因为一段干净的示范更容易标注，也更适合放进精彩集锦。然而，正是这片过渡地带，藏着现实部署中的大多数失败。
发呆和失手的片刻同样不是废料。一段保留了“抹布掉在地上、再伸手去捡”的数据流，等于免费教了一次恢复，而这恰恰是只在精修成功上训练的策略永远见不到的行为。当你切得太狠，你缩短的就不只是片段，你是在筛选出一个“永远不出错”的世界，然后又困惑于机器人第一次遇到意外时为何会僵住。
片段是关于任务在何处开始、何处结束的一个假设。数据流则拒绝去猜。两者之间的落差，正是策略在现实世界中大多数失败的藏身之处。
两种框架的正面对比
| 维度 | 片段式数据 | 流式数据 |
|---|---|---|
| 数据单元 | 带终止条件的有界轨迹 | 无固定终点的连续日志 |
| 任务间复位 | 被假设且必需 | 没有，活动持续流动 |
| 典型来源 | 遥操作、脚本化示范 | 第一人称可穿戴设备、部署日志 |
| 最契合的算法 | 行为克隆、按片段的离线 RL | 免复位 RL、持续学习与自监督学习 |
| 标注 | 边界在采集时已知 | 需要事后做时序分割 |
| 失败与恢复 | 通常被剪除 | 完整保留 |
| 存储形态 | 大量小文件 | 少数超长文件 |
存储把这种分野变得具体。片段天然会碎成许多小文件，训练加载器可以随机打乱它们，而这正是随机梯度下降想要的。数据流则是少数几个超长文件，抗拒打乱，光是要找到有意思的那一分钟，就得先建一套索引。两种形态都没有错，只是各自为不同的消费者而调校；在两者之间转换，是实打实的工程，而不是改个格式开关那么简单。
为什么框架会改变算法
行为克隆想要片段。它学习一个从观测到动作的直接映射，并依赖清晰的任务与终止条件来判断何时算完成。大部分离线强化学习也继承了同样的假设，在有明确终点的片段上计算回报。把一段原始数据流喂给这些方法，它们会找不到任何锚点。
免复位学习和持续学习则想要数据流。任何需要连续运行一小时、中途无人给场景断电重启的机器人，也想要数据流。部署天然产生数据流：一支机队记录的是连续的经验，而不是整齐的短片。一旦点破，这种错配就显而易见：我们在片段上训练，却把模型部署进数据流里。
评估也沿着同一条接缝裂开。片段式基准报告的是成功率：多少次有界尝试以成功告终。而流式部署在意的是另一个数字，平均干预间隔，也就是机器人在有人不得不出手之前能连续跑多久。一个策略完全可能在前一个指标上很漂亮，在后一个指标上却很脆弱，因为干净的片段从未考验过它穿越杂乱过渡、持续运行下去的能力。只报告片段式那个数字，正是实验室结果跑赢工厂现实的方式。
连接两者的桥梁是分割，而分割并不免费。把一段长日志切成可复用的片段，是一个时序动作分割问题，其误差会不断向下游传播。把边界提前两秒切开，你切出的每一条示范都会继承一次被截断的抓取。arXiv Robotics 上近来的工作之所以反复回到自动分割，正是因为它是那道没人愿意碰、却承重的工序。
按流采集，按片段训练
这并不是一场非此即彼的信仰之争，你也不必一次性永久站队。可行的模式是：连续录制，保留每一个时间戳与事件标记，再在下游切分成片段，等任务定义变化时就重新切一遍。把原始数据流丢掉，这个选项就永远没了。留着它，同一段录制今天可以喂给一次行为克隆训练，下个季度还能支撑一次免复位实验。一份你能重新切分的数据集，远比别人替你切好的那份更有价值。