具身智能模型的性能高度依赖训练数据的质量，而数据集质量验收常常被简化为“看看标注准不准”，这远远不够。结合实际项目经验，我认为至少应该从四个维度、十余项具体指标进行把关。
首先是数据的完整性与可解性。每一条样本不仅要包含图像、点云、力学传感器等多模态原始数据，还要确保传感器时间戳严格同步、空间坐标系统一。很多数据集在采集时设备没校准，导致后续训练时模型“看到”的物理世界是扭曲的。验收时要抽查各模态数据能否对齐回放，不能只检查文件是否存在。
其次是标注质量的细粒度验证。除了框、分割、关键点这类通用标注外，具身任务更关心动作标签的语义准确性——比如“抓取”与“按压”的边界是否清晰，物体位姿真值是否经过多帧平滑而非跳变。建议采用“交叉盲验”方式，让不同标注员对同一批数据进行二次校验，并统计类间一致性系数，这对抓取成功率指标的影响非常直接。
第三是场景与任务的多样性覆盖。具身智能最怕“过拟合到实验室环境”。验收时要统计物体类别分布、光照变化区间、背景纹理数量、机器人位姿分散度，以及人类演示动作的频次分布。一个合格的数据集应该包含大量“失败尝试”和“恢复动作”，否则模型永远学不会纠错。检查组间方差比单纯看总量更有意义。
第四是动态时序与物理合理性。很多数据集静态帧质量很高，但连起来播放时会出现物体穿模、手部抖动、动作突变。建议用光流法检测连续帧的运动平滑度，并用物理引擎反向验证抓取轨迹的接触力是否在合理范围内。运动中的加速度极值、关节角度限位都是容易被忽视却致命的指标。
最后，别忘了留出可追溯的元信息。每条数据来源的机器人型号、传感器版本、采集日期都应随样本保存，便于后期进行域差异分析。质量验收不是一次性通过，而是要将这些指标固化成自动化脚本，随采集批次持续监控。只有把好这道关，后续的模型迭代才不会在“脏数据”上白费功夫。