机器人和具身AI数据：LiDAR标注中的常见问题

为什么跨帧一致性占主导地位？

因为模型正在学习物体的持续存在。如果同一辆车在连续帧中被框选得略有不同，训练信号会显示车辆改变了形状，跟踪行为会以每帧指标无法显示的方式退化。

每个单独的帧可能在容差范围内，而整个序列却不可用。这是用图像标注习惯标注的机器人数据集的典型失败。

QA应该如何区别于图像标注？

审核序列，而不是采样帧。随机帧采样几乎无法发现漂移，因为漂移是帧间关系的属性，而不是任何一帧的属性。

具体询问供应商如何审核序列及其一致性指标是什么。如果答案是每帧准确性，他们测量的就是错误的东西。

• 序列级别审核，而不是帧采样
• 明确的跨帧一致性指标
• 遮挡进入和退出的规范
• 处理物体离开和重新进入场景

需要提前确定哪些规范？

主要是遮挡。当一个物体部分隐藏、完全隐藏数帧后再出现时会发生什么。是通过遮挡插值框选还是删除并重新开始跟踪。

两种答案都是合理的。未指定的答案意味着不同的标注者在一个数据集中会做出不同的选择，这比任何一种选择都要糟糕。

如何区分传感器错误和标注错误？

在责怪标注者之前先检查校准。传感器之间的校准错误会导致看似标注错误的情况，而实际上是对未对齐数据的正确标注。

无法区分两者的供应商会不断重新标注从未有问题的数据，并为此向您收费。

LiDAR标注质量中最重要的是什么？

跨帧一致性。一个物体在连续帧中标注略有不同会让模型误以为物体改变了形状，而每帧准确性指标无法检测到这一点。

机器人标注应如何进行质量检查？

通过审核整个序列而不是采样单个帧，并使用明确的跨帧一致性指标。帧采样几乎无法发现漂移。

如何区分传感器校准错误和标注错误？

首先检查校准。校准错误会导致看似标注错误的情况，但实际上是对未对齐数据的正确标注，重新标注无法解决问题。