11.1 Episode とは？
11.1 Episode とは？
本章から、あなたのすべての操作が役割の転換を意味します — あなたはもう「ドライバー」ではなく「先生」です。 あなたのすべての動作が記録され、モデルの教科書になります。この教科書の基本単位が Episode です。
1 つの Episode は 1 回の完全なタスク実演です。 アームが開始姿勢にありタスクが始まってから、タスク完了まで、システムが連続記録した全データが 1 つの Episode を構成します。
11.2 1 レコードの中身は？
11.2 1 レコードの中身は？
第 8 章の復習 — 見覚えがあるはずです。そう、学んだものです：観測・状態・アクション。
SO-ARM では、録画された 1 フレームに含まれるのは：
- 観測：2 台のカメラ画像（前面 + 側面）；
- 状態：フォロワーの 6 つの関節読み取り値（5 関節 + グリッパ）；
- アクション：リーダー由来の 6 つの目標関節値。
アクションの出所に注意：記録されるのは（リーダー経由で）与えられた目標アクションであり、フォロワーが後で実際に到達した位置ではありません。これは行動クローニングの定義そのものです — モデルは「この観測と状態の下で、人がその瞬間何をしようとしたか」を学びます。
11.3 タイムスタンプとデータ同期
11.3 タイムスタンプとデータ同期
画像は USB を、関節データはシリアルバスを通ります — 2 つのデータストリームは異なる時刻に PC へ到着します。LeRobot は各フレームにタイムスタンプを打ち、「同じ瞬間」の画像・状態・アクションを 1 行に揃えます。
11.4 タスク設計：開始条件と終了条件
11.4 タスク設計：開始条件と終了条件
データ採集の前に、タスク定義を文章で明確に書き出します。良いタスク定義は 2 つの質問に答えます：どこから始まるか？いつ完了か？
開始条件：モデルに「固定された出発点」を与える
- 固定の初期アーム姿勢：すべての Episode が同じ安全姿勢（例：キャリブレーション後のホーム姿勢）から始まります。開始姿勢がバラバラだと、モデルの最初の学習対象が「任意姿勢からのタスク突入」になり、不要な難度が加わります。
終了条件：Episode に明確な「ゴールライン」を引く
- 成功終了：タスク目標達成（例：「物体が B 点でリリースされ、グリッパが開き、アームが離れた」）；
- 失敗終了：回復不能な状況（物体落下、物体がマット外へ、アームが危険姿勢へ）— その Episode の録画を即座に停止します。
11.5 一貫性 vs. 多様性
11.5 一貫性 vs. 多様性：データ設計の核心的緊張
本章で最も重要な節です。高品質な教示データは、一見矛盾する 2 つの要求を同時に満たす必要があります。
一貫性：「1 つのやり方」だけ教える
- 操作スタイルの一貫性：同じタスクでは全 Episode が同じ戦略を使う（例：常に物体の上方から接近し、把持し、B 点に置く）。半分が左から、半分が右から把持するデータでは、モデルは 2 つのやり方の「平均」を学び — 大抵は何も掴めない奇妙な軌跡になります；
- リズムの一貫性：移動速度と休止位置はおおむね安定 — 20〜30 秒と決めたらその範囲で完了する。速度がバラつくデータは、モデルの動作速度も不安定にします；
- フローの一貫性：毎回「接近 → 把持 → 搬送 → 配置 → 復帰」の完全な流れを省略せずに実行；
- シーン初期状態の管理：物体は指定エリア内に置く（エリアは広くても境界は明確に）。作業領域から無関係な物を撤去；
- カメラ位置の固定：採集中にカメラを動かしてはならない — モデルにとって、カメラが 5 cm 動けば世界が変わったのと同じです。
多様性：十分な「バリエーション」を見せる
- 目標位置の多様性：物体が作業空間の様々な位置に現れる（グリッド状カバー。ランダム散布ではない）；
- 初期姿勢の多様性：物体の向き、障害物との相対位置に変化を持たせる。
11.6 成功と失敗の基準
11.6 成功と失敗の基準
「タスク完了」は客観的に判定できる状態でなければならず、「なんとなく良さそう」ではいけません。良い成功基準はこうです：
| 不合格な基準（曖昧） | 合格した基準（測定可能） |
|---|---|
| 「だいたい掴めていればよい。」 | 「グリッパが完全に閉じ、物体の中心を掴んでいる。」 |
| 「物体が B 点付近に置かれていればよい。」 | 「物体が B 点のマーク内に収まっている。縁に掛かっていない。」 |
| 「物体を拾って置けばよい。」 | 「動作全体が滑らかで、各 Episode の録画時間がほぼ一定。」 |
録画中の失敗区間への原則は単純です：この Episode を撮り直す。「モデルが失敗からも学ぶかも」と失敗データを残さないこと — モデルは本当に学びます、失敗の部分も含めて。
11.7 データ量 vs. データ品質
11.7 データ量 vs. データ品質
経験則（クリーンで一貫したシーンでの単一デスクトップタスク）：
| データ量 | 期待される効果 |
|---|---|
| 20〜30 Episode | 固定 A→B タスクで最初に使えるポリシー（入門レベル） |
| 50 Episode | パイプラインが動き、データカバー領域でモデルが機能し始める（位置のばらつきの入門量） |
| 50〜100 Episode | 成功率が実用域に達する。ほとんどの単一タスク実験のスイートスポット |
| 100+ Episode | 収益逓減。タスクが複雑でなければ、成功率要求が高くなければ |
複数タスクでは複雑さに比例して増やします。もちろん、訓練後にデータを追加することも可能です — モデルの成績が振るわなければ足せばいいのです。
ただし、これらの文を数字の前に置いてください：
- 高品質な 50 Episode は、雑な 200 Episode に勝る。
- 採集に問題があれば迷わず — その Episode を即座に撮り直す。
- 強い汎化が欲しければ、数百〜数千 Episode が必要。
実用的なバッチ戦略（第 22 章のノーコードフローも同じ）：1 バッチ約 10 Episode。2〜3 バッチ後、最初の訓練に有効な 20〜30 Episode を残し、訓練結果に応じて難しい変種のデータを追加します。
11.8 単一タスク vs. マルチタスクデータセット
11.8 単一タスク vs. マルチタスクデータセット
- 単一タスクデータセット：1 つのデータセットに 1 つのタスク（例：「物体を A から B へ」）。モデルの目標が単一でデータ要件が小さく、成功率を出しやすい。最初のモデルは必ず単一タスクから始めます；
- マルチタスクデータセット：1 つのデータセットに複数タスク（ブロック把持、引き出しを開ける、ブロックを入れる）。各 Episode に
task_indexで所属タスクをラベル付け。データ利用率が高く汎用ポリシーへの方向性ですが、タスク同士がモデル容量を取り合うため、タスクごとに多くのデータが必要です。
11.9 データ収集のイテレーション
11.9 データ収集のイテレーション
バッチ採集と反復検証：50 採る → 訓練 → 実機評価 → 失敗シーンのデータ追加 → 再訓練。モデルの大方向が正しく精度だけが悪いならデータ追加が効きます。モデルの挙動が完全に誤っているなら、タスクかデータ設計の問題であり、データをいくら足しても無駄です。
11.10 データ作成実例：A から B へのピック＆プレース
11.10 データ作成実例：A から B へのピック＆プレース
このステージの以降で使う例タスク：A 点の物体を拾って B 点に置く — 第 22 章のノーコードプラットフォームと同じタスクなので、2 つのパスを直接比較できます。
シーン設計
- デスクマットに 2 つの固定位置をマーク：A 点は物体の開始位置、B 点は目的地。掴みやすい大きさの物体（小さなブロックなど）を用意；
- A 点・B 点・両アーム・物体が両カメラ映像で見え、遮蔽されていないことを確認。カメラを固定し、光照を変えず、リーダーをカメラ視野外に置く。
初学者が頭を抱える問題が「物体をどう置けば満遍なく練習できるか」です — ランダム配置は、全部小さな範囲に寄る（モデルはその場所しか認識できず他で失敗）か、不規則に散らばる（過剰に練習する区域と未着手の区域ができる）かのどちらかです。ここに簡単で規範的な方法を示します：
- 点を打つ：採集エリア（マット）に鉛筆で 5 点をマークし、十字型に配置 — 中央 1 点、上下左右各 1 点；
- 間隔を決める：隣接点の間隔は 5〜10 cm とし、5 点すべてがアームの作業空間に入り、両カメラで明瞭に見えることを確認；
- 割り当て：各点で 10 Episode 採る。5 点 × 10 = 50 Episode で目標達成です。1 点で 10 連続ではなく、各点 1 回ずつ（5 点 = 1 周）を 10 周行ってください。
把持と配置の設計
- 初期位置：アームはホーム姿勢。物体は A 点；
- 把持：
- 物体の真上へ移動（毎回同じ高さで物体中心の真上に到達）；
- 物体上方の固定距離でグリッパを開く（なぜ固定距離？開く際に物体に当てて位置をずらさないため）；
- 毎回同じ力と速度で把持；
- 配置：
- B 点中心の真上へ移動；
- 一定速度でグリッパを開きアームを持ち上げる — 物体がマーク内に静かに収まるはず；
- アームをホーム姿勢へ戻す。
これで完璧な Episode が 1 本完成です。あとはこれを 50 回繰り返すだけです。
デザイン問答
なぜマット・カメラ・物体位置を動かしたり、光照を変えたりしてはいけないのか？
- 誤解の解消：「何でも自由に動かす」が生むのは多様性ではなくノイズです；
- 汎化予算の理論：限られたデータでは、変化を注いだ次元をモデルはその次元について学びます — 目標位置に注げば別位置の把持を学び、カメラ位置の変化に注げば把持と視点差の両方を学ぶことになり、遥かに多くのデータが必要で効果も落ちます；
- 本当に変化が要る場合：採集中の「固定しない」ではなく、後の追加データ・イテレーションで意識的に境界を広げること — それこそが求めている汎化です。