工业数据集洞察 · Facet-0 / ManuFacet-1K
来源：项目页 · PDF
assets/paper/Facet-0.pdf· HF ManuFacet-1K / FACET-0 机构：NTU PINE Lab（Data Foundry）· 通讯 Ziwei Wang 口径：调研洞察，不实跑。核验级别：项目页+PDF 摘要/§3 已核；arxiv id 页面链到 PDF，未给标准 arxiv 编号（⚠ 若后续有 arxiv 再补）。
1 · 一句话定位
不是又一个通用 VLA 数据集，而是专门为 ±0.5 mm 接触富集精密装配 打造的： - ManuFacet-1K：~1000h 力同步(force-synchronized) 工业装配数据（演示 + 闭环 rollout） - FACET-0：在其上训的工业基础模型——预测并评估动作的接触后果（joint action–wrench），0.5 mm 精度
2 · 数据集设计（ManuFacet-1K）— 研究员该看的点
2.1 规模与构成（PDF §3）
| 项 | 数值 |
|---|---|
| 总时长 | ~1,000 h（演示 + 闭环 rollout + 人干预） |
| 可训时长(站页) | ~642 h trainable（站页 live 数字，论文写 ~1000h 含更广） |
| 任务 | CPU 37.3% / RAM 21.9% / Disk 23.4% / GPU 17.3% |
| 本体 | 3 embodiments：UR7e(主) / xArm / Franka，同一 schema |
| 采集点 | 多中心网络，2 机箱族（Dell T5810 72% / T1700 28%） |
| 动作分辨率 | 0.5 mm |
| 传感 | 腕部 6 轴 F/T · 3 RGB · 关节本体感 · 并行夹爪 |
| 状态 | 每帧 13-D：s = [x∈R6; g∈R; w∈R6]（位姿+开合+wrench） |
| 时钟 | 站页：160 Hz state / 15 Hz vision |
| 标注 | VLM 子任务/指令；7 相 skill-phase taxonomy |
| QA | 站页 ~90% pass；失败+恢复段保留（recovery-rich） |
2.2 设计签名（相对 OpenX / AgiBot World 的差异）
- 力是一等公民，不是附加模态：每帧 wrench 与位姿对齐；kinesthetic 力反馈遥操，力调节是有意的。
- 接触相 taxonomy（7 相）：approach / align / insert / press / seat / fasten / retreat —— 其中 5 个接触相是少数帧但承载多数结果信息；峰力呈双峰（对齐低力 / seating 高约一个数量级）。
- 统一 schema 跨本体：不是"多数据集拼盘"，而是同一传感+状态+相词汇跨 3 本体/多产线。
- 数据飞轮：异常纠正轨迹保留进 corpus（不是扔掉失败）→ deployment experience 回流。
- 工业公差直接进任务定义：任务/成功标准来自合作产线，不是实验室玩具。
2.3 论文 Table 1 的关键对比（公开数据里制造装配极稀缺）
| 数据集 | 规模 | Sync F/T | 时序标签 |
|---|---|---|---|
| Open X-Embodiment | 1.4M traj | mixed | mixed |
| AgiBot World | 2,976 h | n/r | sub-step |
| FMB | ~31 h | ✓ | stage |
| REASSEMBLE | ~13 h | ✓ | action/skill |
| ManuFacet-1K | ~1,000 h | ✓ | contact phase |
站页金句：公开机器人数据里 <1% 触及制造装配；OpenX+AgiBot 等 ~11k h 泛用 vs 制造装配公开仅 ~44 h（REASSEMBLE+FMB）——ManuFacet 把这一格拉到 1000h。
3 · 模型设计（FACET-0）— 与数据如何咬合
核心对象不是"更大的 VLA"，而是 semantic–contact representation：把"任务意图"与"运动将引发的接触"绑在同一表示里。
流水线（站页+摘要）：
1. Robotic Reasoning VLM（~5–10 Hz）：语义规划 + 子任务跟踪 → 粗 reference action-force chunks
2. Force-Residual Head（~20 Hz）：力历史 → Δa 修正 → 细 action-force chunks，0.5 mm
3. Safety Critic：Q(s,z,f,a) 门控，接触安全包络
4. 执行 ~200 Hz 柔顺接触感知控制
训练三阶段： - Pre-train：遥操装配 + assembly-VQA（"该怎么做、该什么手感"） - Post-train（真机 RL）：+45% success / −40% cycle time / +60% failure recovery（站页） - Adapt：少样本、安全有界迁移；~6.6% 权重，+30% adapted success
摘要硬结果：5 个亚毫米 PC 装配任务 mean success 82% vs 最强 baseline 15%；0.5 mm 放置精度；50 ms 指令延迟。
关键技术选择： - flow matching 同时生成 action chunk 与 预期未来腕部 wrench profile（joint action–wrench proposal） - Action–Wrench Critic 区分"任务进度相似但接触后果不同"的运动 → 接触选择性 credit - RL 定义在可执行笛卡尔动作上；辅助 wrench head 保持预测性、非指令的 action–contact 耦合（力不是直接当命令乱喷）
4 · 对「数据×训练」主线的洞察（重点）
I1 · Scaling ≠ Precision —— 数据类型比数据规模更决定接触任务上限
通用 VLA 数据（OpenX / AgiBot）堆到上千～上万小时，仍几乎不覆盖 接触判断 / 力修正 / 卡滞恢复。ManuFacet 的主张是：跨过 ±0.1–0.5 mm 插入，需要为接触而建的数据集，不是再堆视觉示范。 → 映射我们纲领：R4 真机遥操在"精密接触"上不可被 R1 EGO / R3 仿真简单替代；EGO 人视频几乎给不出亚毫米 wrench 真值。
I2 · 力/接触不是"多一个传感器"，而是监督对象本身
Facet-0 把 wrench profile 与 action 联合生成+联合评价。这比"VLA + 力输入拼接"更强：接触后果进入表示与 credit。 → 映射 R6 物理/接触/触觉：它石 WIYH 的 VLTA 是"触觉进数据标准"；ManuFacet 是"力进动作生成与价值"。两者同属 R6，但工业线把 R6 推到了可执行闭环（不只是模态并列）。
I3 · 接触相 taxonomy = 工业版 "L3 时域原子动作"
我们 L0–L4 量尺里 L3=时域事件。ManuFacet 的 7 相（尤其 5 个接触关键相）是为接触结果服务的 L3，比 EPIC verb-noun 或 Open-AoE 原子动作更贴物理。 → 启示：EGO/通用操作的 L3 若要对接触任务有用，可能需要力/接触条件化的相标注，而不是纯语义分割。
I4 · "失败+恢复保留"是数据飞轮，不是 QA 垃圾
多数数据集扔掉失败；ManuFacet 把 anomaly-corrected 轨迹留作 flywheel，post-train RL 直接吃 deployment experience。 → 对 R4/工业数据路线：评测与采集协议应显式保留接触失败模态，否则策略永远学不会 recovery（站页 +60% recovery 即来自于此）。
I5 · 统一 schema × 少本体 > 大杂烩多本体（在精密域）
OpenX 的跨本体是格式拼盘；ManuFacet 是 3 本体 + 同一 13-D 状态 + 同一相词汇 + 同一 F/T 同步。精密域的跨本体红利来自对齐的接触接口，不是本体数量。 → 与我们 R5 统一动作空间 合流：工业精密线的"统一"必须含 wrench 通道，纯位姿统一动作空间在插入任务上会不够。
I6 · 与 EGO/企业数据版图的位置
| 路线 | 代表 | ManuFacet 相对位置 |
|---|---|---|
| R1 人/EGO | EgoSuite / Open-AoE | 正交：EGO 无亚毫米 wrench；不能替代本域 |
| R3 仿真 | GR00T/Cosmos | 互补但危险：接触 sim2real 是经典深坑；本工作选择真机力同步 |
| R4 真机 | AgiBot World | 同哲学、不同regime：AgiBot 广任务通用操作；ManuFacet 窄任务极高精度+力 |
| R6 接触 | WIYH / HRDexDB / CHORD | 工业闭环标杆：规模(1000h) × 力同步 × RL post-train |
产业含义：Data Foundry 路线 = "工业接触数据基础设施"——与光轮(人行为规模)、它石(VLTA)、智元(通用真机)、NVIDIA(仿真) 并列的第五条供给哲学：精密力同步工业数据。
5 · 局限（洞察用，非贬低）
- 任务仍偏 3C/PC 装配（汽车/航发 inspection 标为 next up）——精密域内泛化 vs 跨行业泛化未证。
- 1000h 相对 OpenX 仍小，但单位小时信息密度（力+相+恢复）可能高一个量级——应用"有效小时"而非"原始小时"比较。
- 力是腕部 F/T，不是分布式触觉皮肤；与 GelSight/MimicTouch 的空间触觉仍是不同粒度。
- 开源程度：HF 有 model/dataset；论文 PDF 在项目页；标准 arxiv id 待补。
6 · 一句话口径（可进纲领/路线图）
ManuFacet-1K / Facet-0 证明：接触富集精密制造的瓶颈不是"再来一个通用 VLA"，而是"力同步 + 接触相标注 + 失败保留"的工业数据协议；在该协议上，action–wrench 联合生成+真机 RL 把亚毫米装配从 ~15% 拉到 ~82%。对数据×训练：R4/R6 在精密域必须升格为"力是监督对象"，且 EGO/仿真无法廉价替代这一格。