Calibra 调研：新出的机器人数据集体检工具，借鉴与对表
2026-09-15 晨。用户指令调研。源：HF 论坛发布帖、GitHub omertt27/Calibra、HF Space robot-dataset-health-check。开发者自称+回帖质询均如实记录，算法细节未披露（需读码验证）。
一、Calibra 是什么
- 个人开源（omertt27，2026-08-12 发布）：数据集可观测 + 核心集选择（coreset selection），面向 LeRobot 格式模仿学习数据
- 检测五类问题：重复/冗余演示、相机画面冻结、动作抖动、标定漂移、损坏/不一致数据
- 卖点：训练前发现坏数据，避免"把算力花在不该训的数据上"；HF Space 在线即检
二、对表我们的六道闸
| 检测维度 | Calibra | 我们 | 判定 |
|---|---|---|---|
| 冻结相机帧 | ✓ | ✗ | 缺口——直接补 |
| 动作抖动 | ✓ | ✗ | 缺口——直接补 |
| 重复/冗余 | ✓ | 部分（闸②） | 增强 |
| 标定漂移 | ✓ | 部分（闸①②） | 持平 |
| 语义-画面一致性 | ✗ | ✓（闸④ Qwen） | 我们独有 |
| 几何/分布哨兵 | ✗ | ✓（闸③ G1 泛化） | 我们独有 |
| 下游效用 | ✗ | ✓（闸⑤ CL1 量效曲线） | 我们独有 |
| 误报治理/金标校准 | ✗（回帖被抓：误报率未测量、难分"损坏 vs 罕见但有效"） | ✓（闸⑥+calib_loop，X1 33% 否决=方法论实证） | 我们独有且是其公开软肋 |
| 判据库/协议复利 | ✗ | ✓（D/T/C/L 判据族） | 我们独有 |
| 核心集选择 | ✓ | ✗ | 新维度——值得接 |
三、借鉴清单（按性价比排序）
- 冻结帧检测入闸②：图像哈希帧间差——采集现场 QC 刚需（相机掉线是众包最常见事故），实现 <1 天
- 抖动检测入闸②：action 平滑度指标（帧间加速度分布）——同理低成本
- 重复/冗余检测增强闸②：episode 嵌入相似度聚类——直接服务计价（重复=无效小时=扣钱判据，"合格小时"口径的技术底座）
- 核心集选择接闸⑤：新问题——"这批数据里哪个子集训练价值最高"；与 CL1-b 量效曲线天然衔接（同 1000 小时，核心集覆盖不同），可做实证后写入 D/T/C/L 报告的"数据利用效率"维度
- 产品形态：上传 LeRobot 数据集即检的零门槛入口（verify 页已有但非上传式；HF Space 模式值得仿）
- 元数据建议（回帖 Sattyam）：数据集卡加 known_defects 字段——manifest 已有类似，补字段即可
四、竞争研判
- 又一个独立收敛的证据：9/7 标注猿文章判断"行业收敛到审计+验证能力"——Calibra 是最新实证，窗口在收窄，动作要快
- 它做规则层，我们做协议层：五项检查是"数据体检的规则"，人人可抄（若被 HF 官方化/大厂收编，规则层会商品化）；我们的护城河在规则层之上——金标校准纪律、判据库复利、计量协议、量效实证
- 它的公开软肋正是我们的公开卖点：误报率未测量+难分损坏 vs 罕见有效——我们的 X1 否决案例可直接作为"为什么要校准环"的市场教育素材（对外叙事：工具都会报警，谁量过自己误报率？）
- 定位：同行者非对手——它教育市场"数据要体检"，我们在其上卖"体检仪的计量证书"
五、待办落点
- [ ] 闸②补三检测（冻结帧/抖动/重复）——排 sim50 verdict 后第一个开发位
- [ ] 核心集选择：立为闸⑤扩展候选，与 CL1-b 曲线做一次小实证
- [ ] 对外叙事：X1 校准否决 vs Calibra 误报未测的对照案例（BP r11/判据库文档素材）