具身双臂真机遥操作与多传感器时间同步：数据采集架构与踩坑经验交流

最近在把手头一套双臂平台重构做 Imitation Learning 数据采集，跑 ACT 和 Diffusion Policy。真机遥操和数据 Pipeline 跑通不难，但想把数据质量做扎实，里面工程坑确实不少，抛两个我们踩到的点，交流下大家的解法。

1. USB 总线带宽与相机掉帧 很多朋友做双臂标配是「头部全局 + 双腕部相机」，3 路 RealSense (比如 D435i + 双 D405) 跑 720p 30Hz，全走同一个 USB 主控极大概率隐蔽掉帧。我们现在的规矩是：双腕相机必须分走独立的 PCIe USB 扩展卡，且关掉不必要的深度流，只拉 RGB，腕部若非必要甚至降到 480p。

2. 跨模态数据的对齐与存储瓶颈 关节状态 (200Hz - 500Hz)、手爪状态、多路相机 (30Hz) 加上触觉/力传感器，很多团队直接一个 ros2 bag record 完事，后期处理时发现软时间戳漂移导致动作和图像错位，训练出来的策略抖动明显。 我们目前的折中方案是：以相机曝光时间戳作为主对齐基准，底层关节状态开环高频打进环形缓冲区 (Ring Buffer)，采集节点拉到图像帧的瞬间做线性插值，直接按步写入 HDF5 / Zarr，绕过 Rosbag 的序列化开销。

想请教下社区里在推进真机落地的朋友：

• 遥操作输入端，大家目前用自制外骨骼/主手 (如 ALOHA 方案)、VR (Quest 3 / AVP) 还是 3D SpaceMouse 居多？从操作员疲劳度和动作连贯性来看，哪个在百小时级采集里综合体验更好？
• 多传感器同步方面，有团队在做硬件 Genlock 硬同步触发相机吗，还是纯靠软件插值就足够收敛了？

欢迎聊聊你们当前的 Hardware Setup 和避坑经验。