行者R1 Pro 轮式双臂机器人，高校实验室分组实训的标准化多采集平台
在机器人、自动化、人工智能专业的实验教学与本科生、研究生课题研究中，数据采集是高频刚需。不管是 SLAM 建图实验、视觉抓取、力控交互、示教学习还是 VLA 具身智能课题，学生都需要自己采集场景数据、构建专属数据集。
很多高校实验室面临现实难题：设备少、学生多，集中上机时间紧张；数据采集工具零散，学生各自写录制脚本，采集出来的数据格式不统一、时间戳对不齐；新手学生耗费大量时间在数据同步、代码调试上，而不是算法本身；还有部分平台录制功能封闭，学生无法自主启停、筛选、分段采集。
行者 R1 Pro 原生内置标准化多模态录制链路，兼顾分组教学实训与课题自主数采，支持多名学生分时轮换开展采集任务，把实验室设备价值最大化，让学生把精力放在数据标注、算法设计上。
一、高校实验室的核心痛点：学生多、分组实验难，高质量数据集采集门槛高
高校实验室和企业研究院、硕博独立课题组环境差异很大：
- 上机时间集中，一个教学班十几组学生轮流排队，单次实验时长有限，要求上手快、录制操作简单；
- 学生基础参差不齐，低年级本科生不熟悉 ROS 消息、时间同步，自行开发 bag 录制脚本容易出错；
- 课程实验和毕业设计课题采集需求混杂：基础课只需要图像、点云；毕设、研究生课题需要图像 + 深度 + 力信号 + 关节轨迹全套多模态数据；
- 采集后的数据格式混乱，时间不同步、坐标系不统一，后处理、标注、训练额外消耗大量时间；
- 安全管控压力大，学生在调试、反复示教采集的过程中，容易出现碰撞、超限风险。 R1 Pro 把数采能力做成开箱即用的标准化功能，同时保留二次开发接口，适配从本科基础实验到研究生课题的数据采集梯度需求。
二、行者R1 Pro 适配高校教学场景的数采系统设计
整机尺寸 900×550×1620mm，底盘自重 150kg，额定载重 100kg，最高移动速度 1.8m/s，续航 4 小时，支持快速换电，FAST-LIO2 SLAM 定位，多层安全防护，适配长时间、多轮次学生轮换采集。 整套数采系统专为教学场景优化：
- 可视化一键录制工具：配套简易可视化面板，学生不用写代码，即可启动、暂停、分段保存数据，支持给不同任务打标签，区分 “抓取、递送、装配、导航” 样本；
- 统一时序同步：头部 RGB-D、腕部双目、激光雷达、六维力传感器、关节位姿、底盘里程计全部共享统一时钟，自动对齐时间戳，输出标准 ROS bag 包；
- 灵活选择采集模态：学生按需勾选需要录制的传感器，可以只录图像做机器视觉课程实验，也可以全开多模态用于模仿学习、VLA 课题；
- 权限分级管理：老师账号可锁定安全参数、设置最大速度、力保护阈值；学生账号仅拥有采集、遥操作示教权限，无法随意修改底层安全配置，降低误操作风险；
- 数据本地分类存储：支持按学生组别、实验项目自动建立文件夹，方便课后导出、拷贝、提交课程作业；
- 配套回放工具：采集完成后，学生在 RViz 或者配套回放工具里复现全过程，查看图像、力曲线、机器人轨迹，直接用于实验报告分析。
三、分组教学模式下，多样化数据采集任务示例
依托这套采集能力，可以支撑不同年级、不同课程的分组实验任务：
✅ 本科低年级（机器人基础、ROS 开发） 分组采集室内场景激光点云、RGB 图像，完成建图、目标检测数据集采集，练习数据查看、话题订阅、bag 包回放。
✅ 本科高年级（机器视觉、移动机器人） 分组采集不同光照、不同摆放角度下的物体抓取图像数据集，采集导航轨迹数据，对比不同环境下 SLAM 效果。
✅ 科创、学科竞赛小组 分组采集全身遥操作示教数据，构建行为克隆数据集，训练自主抓取、物品递送策略，用于竞赛算法验证。
✅ 本科毕设、研究生课题 自主采集视觉 - 力融合装配数据集、柔性物体交互数据集、长时序多步骤任务数据集，支撑 VLA、扩散策略、柔顺控制等课题研究。
同一台机器人，课间轮换给不同小组使用，上一组采集完保存归档，下一组直接新建任务，不用反复重启、重新标定。
四、标准化数据输出，降低学生数据后处理工作量
学生做课题，大量时间消耗在数据清洗、对齐上。R1 Pro 输出的数据包自带完整配套文件：
- URDF 模型、传感器内外参标定文件；
- 每个传感器消息话题规范、命名统一；
- 支持一键导出图像序列、深度图、力信号 CSV 表格，方便导入标注工具、训练框架；
- 提供简易 Python 示例代码，演示如何读取 bag、提取数据、可视化力曲线、抽帧打标。 老师可以直接基于这套标准数据格式，统一课程作业要求，减少各组数据格式不统一带来的批改麻烦。学生也可以在示例代码基础上拓展，学习数据清洗、数据集封装的工程流程。
五、兼顾教学实训与课题科研，一套设备满足两类需求
和单纯的数采工具不一样，R1 Pro 不只是 “录数据”： 采集完成之后，学生可以直接在同一台机器人上，把自己训练好的模型、算法部署上去真机验证，形成采集→标注→训练→真机测试闭环。
基础阶段：学习怎么规范采集数据、理解传感器时序、数据集构建规范；
进阶阶段：自主设计采集方案、设计任务分布、构建小样本数据集，研究小样本具身学习；
前沿方向：采集长时序、多步骤任务数据，开展 VLA、具身智能体相关研究。
实验室不用单独采购数据采集平台 + 算法验证平台，降低设备预算压力。
六、高校分组数采与课程实验 FAQ
Q：多个学生轮流使用，会不会误删别人采集的数据？
A：支持分组目录隔离，每个小组独立存储目录，同时支持老师权限管控，防止误删。
Q：本科生零基础，上手采集难度高吗？
A：可视化面板可以无代码采集；同时提供 ROS 原生话题方案，方便进阶学生学习代码控制录制。
Q：采集的 bag 包可以直接接入开源标注工具吗？
A：可以，标准 ROS2 bag 格式，支持转成图像、视频、时序文件，适配主流开源标注工具。
Q：分组采集的时候，安全保护是否一直生效？
A：安全机制全程开启，碰撞、力超限、软限位保护不会因为开启录制而关闭。
Q：是否支持学生自主设计采集脚本，做自动化批量采集？
A：ROS2 开放接口，学生可以编写 Python/C++ 节点，实现自动触发采集、定时采集、任务完成自动保存，适合研究生课题。
