数据收集

OpenArm 不仅被设计为机器人操作平台，而且被设计为 数据原生系统 用于基于学习的机器人技术。 与针对确定性工业自动化而优化的传统机械臂不同，OpenArm 是围绕模仿学习、强化学习、模拟到真实传输和大规模现实世界数据收集的要求而构建的。

数据采集​​架构

OpenArm 支持同步捕获关节状态、控制命令、末端执行器状态和外部传感器（视觉、触觉、力、IMU）。 所有数据流都带有时间戳并在控制循环级别对齐。 数据被组织成具有明确任务初始化、动作执行、接触事件和终止的片段，直接映射到 RL 部署和模仿学习轨迹。

失败作为数据

OpenArm 旨在安全地记录失败的尝试，而不仅仅是成功的记录。 失败轨迹（滑移、误判、碰撞、恢复尝试）是对于稳健的政策学习和泛化至关重要的一流数据。

学习就绪输出

结构化记录、模仿学习数据集、可重复的人体演示、模拟与真实的对齐。 基于情节的组织，具有每集元数据、时间索引的多模式观察和一致的操作空间。