TeleopStudio

Pitch 24 · Qualcomm-first Robot-Learning Episode Factory

TeleopStudio

一台可购买的遥操作和示教数据工位,把人类操作、相机、状态、动作、失败接管和质量门禁变成可训练、可审计、可交给 TrainRouter 的 LeRobot episode。

01 · Problem

机器人团队不缺 demo,缺的是可训练、可复现、可审计的数据生产线。

录一段视频很容易;把视频、动作、状态、任务、失败、接管、reset 和隐私规则变成可训练 episode 很难。坏数据会污染 CloudTwin、TrainRouter、SkillCertKit 和 Qualcomm edge release。

痛点 1

时间轴不可信

多相机、关节状态、夹爪、底盘、teleop input 和安全事件没有统一时钟,模型训练时无法判断动作原因。

痛点 2

reset 靠人记

起点、目标、变化维度和成功标准没有写入 session,换一个操作员就变成另一个数据分布。

痛点 3

失败样本被浪费

接管、碰撞前停止、遮挡、动作抖动和人工修正常常被删掉,错过了最有价值的 HIL recovery 数据。

痛点 4

GPU 被坏数据烧掉

训练前没有 frame count、timestamp skew、metadata、action shape、privacy 和 trainability gate。

没有数据生产线,就没有机器人软件平台。

02 · Current Alternatives Fail

现有工具解决了一部分,但没有把遥操作到可训练 episode 做成商业化入口。

开源、硬件套件、数据集、fleet ops、日志工具和企业数据服务都重要;问题是客户仍然要自己拼接采集工位、QC、数据合约、训练路由、模型 release 和现场交付。

DIY

MP4 / ROS bag 不等于数据资产

能记录,但没有任务语言、segment、标定、success/failure、operator、privacy 和 TrainRouter contract。

开源底座

LeRobot 不是交付工位

LeRobot 很适合作为 dataset 和训练出口;商业客户还需要固定工位、操作员流程、质量门禁和售后支持。

硬件套件

ALOHA/GELLO/UMI 证明输入价值

它们让示教更高效,但客户仍要自己解决数据 schema、QC、云训练和 Qualcomm edge deployment evidence。

公开数据集

DROID/Open-X 不是你的现场数据

公开数据证明方向正确,但不能替代公司自己的客户任务、硬件 profile、场景分布和合规边界。

运维平台

Fleet ops 不等于 model-ready data

Formant、Viam、Foxglove、Rerun 强在远控、日志和可视化;TeleopStudio 专注训练入口的质量控制。

数据服务

外包数据不是第一台机器

Scale、Labelbox Terra、Encord 说明 physical AI data 有预算,但初创、实验室和 OEM 需要先拥有自己的采集能力。

03 · Solution

TeleopStudio 把每次遥操作变成结构化生产事件。

它不是第 N 个遥控器,而是 `Operator Station + Capture Cell + Qualcomm Edge Recorder + Quality Gates + LeRobot Adapter + TrainRouter Handoff`。

Plan

定义任务、成功标准、变化维度、reset 协议、目标样本量、数据地域和 Qualcomm target profile。

Capture

同步记录多相机、state/action、teleop input、时间戳、安全事件、本地缓存和 operator context。

Gate

拒绝遮挡、丢帧、metadata 缺失、动作跳变、过短 episode、隐私风险和 reset 漂移。

Export

输出 LeRobotDataset、MCAP/ROS bag、dataset card、manifest、QA report 和训练 job contract。

Loop

进入 TrainRouter 训练,失败和接管片段回流为下一轮高价值示教样本。

机器人遥操作示教数据采集工位概念图

04 · Why Now

机器人学习的瓶颈正在从模型 demo 转向真实数据供应链。

LeRobot 标准化了开发者流程,ALOHA/DROID/Open-X 证明真实示教数据的价值,physical AI data 服务开始进入企业预算,Qualcomm edge 则让采集、质检、隐私和部署证据可以从机器人旁边开始。

开源时机

LeRobot 给了统一出口

TeleopStudio 不替代 LeRobot,而是把现场 session、operator workflow、质量门禁和 provenance 接到 LeRobotDataset v3。

数据时机

真实 episode 成为稀缺供给

Mobile ALOHA、DROID、Open X-Embodiment 让行业转向多场景、多机器人、可复用真实轨迹。

商业时机

Physical AI data 有预算

数据采集、标注、teleop、评测正在从论文工具走向企业服务,客户愿意为数据质量付费。

边缘时机

采集端也需要 AI SoC

多相机、编码、低延迟预览、隐私过滤、质量检查和缓存天然适合 Qualcomm edge workload。

05 · Product

第一版不追求万能,先把 50 条干净 episode 做成产品。

从桌面机械臂样品转移、扫码、pick-place、按钮/抽屉/门把手、实验室耗材搬运开始,像早期 marketplace 一样先手工把供给标准化。

  • Operator Station:手柄、leader arm、SpaceMouse、键鼠、移动端或 XR 输入。
  • Capture Cell:固定光照、相机支架、标定板、reset tray 和任务道具。
  • Qualcomm Edge Recorder:多相机 ingest、编码、本地缓存、时间戳、隐私过滤和质量检查。
  • Quality Gates:frame count、visibility、timestamp skew、dropped frame、action schema、success label、privacy gate。
  • LeRobot Adapter:dataset v3、dataset card、manifest、QA report 和 TrainRouter job contract。
遥操作工位、边缘记录器和 LeRobot 数据导出流程图

06 · Product API/Evidence

商业价值落在数据合约,而不是遥操作页面截图。

每条 episode 都要能被机器检查、被训练系统消费、被客户审计、被 Qualcomm edge release 追溯。

Episode Object

统一生产记录

`episode_id`、`task_id`、`operator_id`、`robot_profile`、`camera_profile`、`action_schema`、segments、quality 和 exports 绑定在一起。

Segment Taxonomy

失败也变成资产

`demo / autonomous / pre_intervention / intervention / recovery / failure / abort / success`,支持 HIL fine-tuning。

Evidence Bundle

训练前就能验收

raw MCAP、episode manifest、QA report、dataset card、TrainRouter contract 和 Qualcomm edge capture profile。

Artifact Why it matters Consumer
raw_recording.mcap 保留原始 topic、camera info、TF、metadata、attachments 和 hash。 Replay / audit
episode_manifest.parquet 记录 step、segment、task、operator、robot、camera、success/failure。 LeRobot / TrainRouter
qa_report.json 量化丢帧、时钟偏移、动作抖动、遮挡、隐私和接管率。 Data lead / customer
trainrouter_job_contract.yaml 锁定 dataset hash、cloud lane、budget、eval suite 和 Qualcomm target。 CloudTwin / TrainRouter

07 · Market & Business Model

客户买的不是遥控器,而是更快得到可训练数据和可交付 demo。

Beachhead 是已经有机器人、但缺数据生产线的团队:机器人初创、AI manipulation lab、Robot OEM、系统集成商、高校课程、数据工厂和城市创新中心。

Overseas BYO

$2k-$6k/year

软件订阅、recorder、dataset export、ROS 2/Python adapter 和基础 QA。

Research Station

$12k-$35k

单臂/双臂、leader arm 或 handheld teleop、多相机、标定、QC tooling 和支持。

China Lab

¥80k-¥250k

中文文档、本地硬件、边缘采集、LeRobot/TrainRouter 联动、培训和售后。

Data Factory

¥100k-¥500k/year

私有部署、多工位、操作员管理、质量统计、数据不出域和现场集成。

4-8 周试点目标:一个明确任务从 `50 条合格 episode` 做到可训练、可评测、可部署证据包。

08 · Competition & Moat

我们不做第 N 个遥操作工具,而做机器人学习的数据运营层。

TeleopStudio 的差异是把数据质量、证据和 Qualcomm edge profile 放在遥操作入口,把“录了多少小时”改成“每小时产出多少可训练 episode”。

短期壁垒

模板和 gate

任务模板、reset protocol、variation plan、dataset card、QC rules、LeRobot/MCAP/TrainRouter adapters。

中期壁垒

产出率基准

operator valid-yield、failure taxonomy、takeover taxonomy、数据 lineage 和 replay-eval history。

长期壁垒

Skill release graph

追踪任务、相机、硬件、operator pattern、数据质量和 policy 组合如何稳定部署到 Qualcomm edge target。

09 · Why Qualcomm

Qualcomm 不只应该是推理目标,也应该成为机器人学习的数据原点。

多相机采集、视频编码、低延迟预览、端侧缓存、隐私过滤和质量检查都是 Dragonwing / RB3 / QCS edge 的真实 workload。TeleopStudio 把 AI Hub、QNN 和 edge profile 从训练链路一开始就绑定进去。

Record 多相机、state/action、teleop input 和安全事件在端侧形成 episode manifest。
Check 端侧检测模糊、遮挡、丢帧、动作抖动、隐私风险和存储压力。
Train 合格数据进入 CloudTwin / TrainRouter,按 China / Overseas lane 训练。
Deploy 训练结果回到 AI Hub / QNN / QAIRT / ONNX Runtime QNN 证据链。
Validation

多相机采集

验证 `3x1080p30` 连续 30 分钟的 FPS、drop frame、P95 timestamp skew、storage throughput 和 thermal behavior。

Edge QC

QNN 质量检查

验证 blur/occlusion/privacy 模型的 latency、FPS/power overhead、upload reduction 和 false reject rate。

Ecosystem

开发者样例

把 “LeRobot capture to Qualcomm edge deployment” 做成 Robotics Hub / 比赛展示资产。

10 · Demo & Ask

3 分钟演示证明:这不是机械臂表演,而是数据工厂。

评委需要看到端到端证据:真实遥操作如何变成可训练 episode,坏数据如何被拒绝,接管如何变成高价值样本,最后如何交给 TrainRouter 和 Qualcomm edge release。

0:00-0:25

坏数据问题

展示一个 bad episode:视频有了,但 action、reset、timestamp、success label 和 privacy gate 都不完整。

0:25-1:25

采集与拒绝

操作员完成样品转移;故意遮挡或丢帧,QC gate 拒绝 episode 并给出原因。

1:25-2:25

接管变资产

标注 `pre_intervention / intervention / recovery`,导出 LeRobotDataset、QA report、manifest 和 job contract。

2:25-3:00

Qualcomm ask

请求 RB3/QCS 开发板、多相机采集建议、AI Hub/QNN review、profiler 额度和生态样例 review。

TeleopStudio 的一句话:把“我们录了一些示教”变成“客户拥有一台持续生产机器人技能数据的机器”。