同意，内建于设计：机器人示范数据的 GDPR
第一人称机器人示范数据记录的是真实的人，因此 GDPR 完整适用：同意、数据最小化与删除权，都成了采集当时的工程问题。
你把一套采集装备递给某个人，请他在自己的厨房里冲杯咖啡。二十分钟后，你得到一份干净的多模态记录：头戴相机、腕部相机、深度、手部姿态、指尖处的力，还有水壶的嘶嘶声。你同时也得到了一份对某个具体的人的记录。他的面孔。他的公寓。他的声音。他双手动作的确切方式。
后面这件事，是一个法律对象，而不只是工程对象。依据 《通用数据保护条例》（GDPR），任何能够识别到某个人的记录都是个人数据，而用来单独指认某人的面孔或声音，则是生物识别数据，属于一个更严格的类别。水壶没有权利，端着它的人有。
多数机器人数据流水线，建起来时就仿佛是在抓取互联网，那些法律上的活儿，属于最早发布网页的人。第一人称人类示范抹掉了这层缓冲。是你，对着一个真实的人按下了录制键，因此义务从你这里、从传感器处就开始了。下面要讲的，是 GDPR 究竟对一条采集流水线提出了什么要求，以及为什么抓取来的或离岸采集的数据，事后再也无法被弥补成合规。
分类是第一步
先从分类说起，因为其余一切都由它推出。网页文本因距离而被软化：作者面目模糊，那一刻已经过去，风险像是别人的事。一份某人做饭的头戴相机记录恰恰相反，它稠密、私密，且可追溯到一个具体的人。GDPR 把任何能识别到个人的东西都称为个人数据；对用来单独指认某人的面孔或声音，它认定为生物识别数据，第 9 条将其列入一个条件更严的特殊类别，实践中还需要明确的同意。
有些团队以为，把素材喂给模型就能把这一切洗白。并不能。European Data Protection Board（EDPB）的立场一贯明确：用个人数据来构建模型，和其他任何处理并无二致，不存在专门针对 AI 的豁免，而义务在你录制的那一刻就已附着。EU AI Act 是叠加在 GDPR 之上，而非取而代之，它的数据治理义务明确不影响数据保护法的适用。
这并非边缘解读。Ego4D 这个大型头戴视频数据集，正是因为第一人称影像天然就是个人数据，才把同意以及对面孔和音频的去标识化写进了采集协议。如果一个拍摄日常家务的研究联盟都把同意当作录制的硬性要求，一条要卖进欧盟的商业流水线，就不能把它当成事后清洗一挥而过。
合法性依据是一个字段，不是一行页脚
每一次记录都需要一个第 6 条下的合法性依据，而生物识别这类特殊类别数据，还需要第 9 条下明确的依据，实践中就是被采集者的明确同意。站得住脚的同意，必须是具体的、知情的、自愿给出的，而且撤回起来要和给出时一样容易。那是一份绑定到具名场次的结构化记录，而不是某人点过一次的横幅。
另有两条原则在采集当时就发力。目的限制意味着你为一个声明过的目的而采集，因此「训练机器人操作策略」必须在一开始就写明，而不能事后悄悄扩展，去覆盖没人同意过的用途。数据最小化意味着你只保留目的所需的东西。一个操作策略需要手部轨迹和接触力，它并不需要一张清晰、可识别的面孔，因此流水线应当在能做到的最早环节，就丢弃或模糊掉身份。
合法性依据，要么是在人还站在传感器前时就记录下来的，要么就不是真的。你无法回过头去，向一个你已叫不出名字的被采集者、在你早已打码的面孔上，补取一份同意。
数据主体权利比记录本身活得更久
这里正是第一人称数据真正变难的地方，也是许多流水线干脆答不上来的地方。GDPR 赋予被记录者一组持续存在的权利：第 15 条的访问权、第 17 条的删除权、第 21 条的反对权等等。这些不是一次性的同意手续。一位参与者可以在一年后回来，要求你移除他出现的一切，而法律期待的是一套能运转的机制，不是一句抱歉。
想想一段片段一旦流入训练集，这意味着什么。你必须知道哪些片段含有那位被采集者、哪些派生文件和标注来自他，以及哪些模型检查点是在这些素材上训练的。那是一个按假名化主体 ID 建立索引、并从采集贯穿到交付的体系，而不是一堆散乱的视频。没有它，一个删除请求就没有任何机械意义，而给监管者的诚实回答，也就塌缩成一个耸肩。
假名化正是让这件事变得可解的设计。在源头把身份令牌化，把主体 ID 与真实身份之间的映射单独存放、受访问控制，如此每一个下游产物都能被追溯、被取出，而全程都不暴露任何人。真正的匿名化甚至能把数据移出 GDPR 的适用范围，但前提是它不可逆，而对丰富的多模态采集做到不可逆的匿名化，比一次面孔打码所暗示的要难得多。步态、手部几何，以及一段声纹，每一样都可能把打码本想保护的那个人重新识别出来。
每项义务对采集装备的具体要求
这些义务没有一条停留在抽象层面。每一条都落成对采集与处理流水线的具体要求，并在被跳过时带来特定的失败方式。这些失败方式不是遥远的罚款，而是一份欧洲买家无法合法放进产品里的数据集。
| GDPR 义务 | 它对采集流水线的要求 | 若忽视，失败方式 |
|---|---|---|
| 合法性依据（第 6、9 条） | 明确的、按场次取得的同意，绑定到每一位被采集者及其出现的每一段片段 | 无法证明处理的依据；数据不合法，对受监管的买家近乎无价值 |
| 目的限制（第 5 条） | 在采集时声明用途（机器人策略训练）并随场次一并存储 | 换作新用途需要新的依据；悄然的范围扩张会使原有同意失效 |
| 数据最小化（第 5 条） | 任务不需要的身份通道，在最早的环节即丢弃或打码 | 一张可识别的面孔纯粹作为负债一路跟随，却毫无训练价值 |
| 假名化（第 4 条） | 身份在源头即令牌化，可逆密钥单独存放并受访问控制 | 事后补一遍打码会丢失映射，删除请求无从履行 |
| 数据主体权利（第 15、17、21 条） | 一个按主体编号索引的存储，把每个人链接到其每一段片段、文件与模型检查点 | 一旦数据进入训练集，访问与删除请求便无法应答 |
| 跨境传输（第五章） | 处理与标注保留在受欧盟保障措施约束的实体之内 | 一个离岸标注环节把个人数据导出，却没有合法的传输路径 |
在采集时就内建，否则免谈
把两条流水线并排放。一条记录的是一位知情同意的参与者，把合法性依据和用途盖章到场次上，在传感器处就对身份做假名化，并保留一份多年后仍能履行删除请求的主体索引。另一条则从公开网络抓取视频，或把采集离岸到最便宜的地方，指望个人数据这个问题永远不会落到自己头上。只有前者能回答监管者。后者握着一份事后再也无法弥补成合法的语料，无论它长到多大。
这就是「在欧盟司法管辖之下采集，而非引入一份来路不明的语料」的朴素理由。GDPR 限制在没有保障措施的情况下把个人数据移出欧洲经济区（EEA），依据其第五章，于是欧洲买家会连同你的文件一起，继承你的传输选择。EU AI Act 随后为高风险系统在其上叠加文档与数据治理义务，同时让每一项 GDPR 义务都原封不动。一条把同意、用途和一个假名化主体密钥作为结构化元数据记录下来的采集流程，其实已经离同时满足两者不远。一条把它们往后拖的流程，则在记一笔债，等参与者、审计者或买方律师第一次问出它答不上来的问题那天，连本带利地到期。
这一切都不是放慢采集的理由，而是把采集装备设计成仿佛数据保护机关和数据主体终有一天都会来敲门的理由，因为在欧盟法律之下，两者都可以来敲门。那些把同意、最小化、假名化和删除权当作录制场次参数、在任何人按下录制之前就固定下来的团队，将是那些数据真能被一家欧洲机器人厂商放进模型里的团队。一份对真实的人的记录，从它存在的那一刻起就是一份责任。GDPR 只是把这份责任写了下来，并给了画面中的那个人一个可以主张它的途径。