DB31T1707-2026 人形机器人数据集管理规范

ICS25.040.303131I 1 13术语和定义 1 2 2 36.1相关方分类 36.2提供方 46.3需求方 4 4 46.6评价方 4 5 57.2数据采集管理要求 5 59数据标注 5 6 7 7 813.1基本要求 813.2数据集共享 913.3数据集确权 913.4数据集流通交易 9 9 9 附录A(资料性)人形机器人本体坐标系示意图 附录B(资料性)数据集格式 B.1元数据格式 DB31/T1707-2026B.2主数据格式 参考文献 DB31/T1707-2026本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别这些专利的责任。本文件由上海市经济和信息化委员会提出并组织实施。本文件由上海市人工智能标准化技术委员会归口。本文件起草单位：上海机器人产业技术研究院有限公司、人形机器人（上海）有限公司、上海电器科学研究院、上海库帕思科技有限公司、上海市人工智能行业协会、中国科学院上海微系统与信息技术研究所、上海电气集团股份有限公司、上海汽车集团（北京）有限公司、浙江国评智检机器人有限公司、上海人工智能创新中心、上海国评智检机器人有限公司、上海擎朗智能科技有限公司、深圳市优必选科技股份有限公司、北京小米机器人技术有限公司、五八智能科技（杭州）有限公司、上海识度数字科技有限公司。本文件主要起草人：郑军奇、刘宇飞、邢琳、山栋明、钟俊浩、赵春昊、饶雪、李嘉茂、吕燕、单战、汪汗青、周梅杰、唐旋来、梁乔玲、向迪昀、卢宇、钟玉锋、陈红洁、孙远祥、李庆展、王磊、熊学胜、李博程、林雪琴、朱冬晨、沈荣港、曹天翔、张弋、张晔。DB31/T1707-2026人形机器人数据集管理规范本文件规定了人形机器人数据集管理的总则、相关方要求，以及人形机器人数据集中数据采集、数据预处理、数据标注、数据格式、数据集存储、数据集使用管理、数据集流通、数据集销毁、数据集说明、数据集安全、数据集质量管理的要求。本文件适用于规范各类人形机器人数据集（以下简称“数据集”）的相关活动，也适用于主管监管部门、第三方评估机构等组织对数据集进行监督、管理和评估。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T22239—2019信息安全技术网络安全等级保护基本要求GB/T31916.1信息技术云数据存储和管理第1部分：总则GB/T35273信息安全技术个人信息安全规范GB/T36530机器人与机器人装备个人助理机器人的安全要求GB/T36625.3—2021智慧城市数据融合第3部分：数据采集规范GB/T37728—2019信息技术数据交易服务平台通用功能要求GB/T38244机器人安全总则GB/T40660信息安全技术生物特征识别信息保护基本要求GB/T41479—2022信息安全技术网络数据处理安全要求GB/T41773信息安全技术步态识别数据安全要求GB/T41807信息安全技术声纹识别数据安全要求GB/T41818—2022信息技术大数据面向分析的数据存储与检索技术要求GB/T42018信息技术人工智能平台计算资源规范GB/T42755人工智能面向机器学习的数据标注规程GB/T45502服务机器人信息安全通用要求GB/T45574数据安全技术敏感个人信息处理安全要求ISO/IEC14977信息技术—句法元语言—扩展巴克斯范式（Informationtechnology—Syntacticmetalanguage—ExtendedBNF）IEC62714-1用于工业自动化系统工程的工程数据交换格式-自动化标记语言-第1部分：体系结构和一般要求（Engineeringdataexchangeformatforuseinindustrialautomationsystemsengineering-AutomationMarkupLanguage-Part1:Architectureandgeneralrequirements）3术语和定义下列术语和定义适用于本文件。DB31/T1707-2026人形机器人humanoidrobot具有躯干、头部和部分或全部肢体，外观和动作与人类相似，实现感知、认知、决策、执行等能力的机器人。数据data信息的可再解释的形式化表示，以适用于通信、解释、处理和流转。[来源：GB/T5271.1—2000，01.01.02，有修改]数据集dataset具有一定主题，可标识并能被计算机系统处理的数据集合。[来源：ISO19115—1：2014，4.3]元数据metadata定义和描述其他数据的数据。[来源：GB/T18391.1—2009，3.2.16]主数据masterdata数据集中与目标任务相关的场景、任务、机器人本体等数据部分，用于支撑主要的分析、建模和决策任务。4缩略语下列缩略语适用于本文件。API：应用程序编程接口（ApplicationProgrammingInterface）CI/CD：持续集成/持续交付（ContinuousIntegration/ContinuousDelivery）FTP：文件传输协议（FileTransferProtocol）HTTP：超文本传输协议（HypertextTransferProtocol）JSON-LD：JSON链接数据（JavaScriptObjectNotationforLinkedData）SemVer：语义化版本控制（SemanticVersioning）TCP：传输控制协议（TransmissionControlProtocol）UDP：用户数据报协议（UserDatagramProtocol）UMI：通用操作接口（UnifiedManipulationInterface）Unicode：通用编码字符集（UniversalCodedCharacterSet）UTF‑8：Unicode转换格式-8位（UnicodeTransformationFormat-8bit）VR：虚拟现实（VirtualReality）XML：可扩展标记语言（ExtensibleMarkupLanguage）人形机器人数据集全生命周期管理原则包括：DB31/T1707-2026a)完整性：数据集涵盖与目标任务相关的所有必要信息，包括但不限于传感器数据、机器人构型信息等，数据集描述准确完整；b)典型性：数据集反映真实应用场景的典型情况，无明显偏差；c)易用性：数据集采用标准化格式与结构化存储方案，便于存储与下载，支持跨区域高效访问、传输及协作共享；d)合规性：数据集构建与评价的各个环节符合法律法规、政策文件、伦理等；e)可拓展性：数据集结合技术进步、应用场景拓宽，进行及时更新与扩展；f)保密性：通过实施数据加密、访问控制等措施，防范非授权访问与泄露风险；g)隐私性：注重保护个人敏感信息、商业敏感信息等；h)分类管理：依据数据集安全分类建立差异化全流程保护措施。根据数据集中数据信息的重要性与敏感性，将数据集划分为公开数据集、受限数据集、敏感数据集、涉密数据集4个类别，见表1。根据具体应用场景，制定对于受限数据集或敏感数据集的管理类文件。表1数据集安全分类数据泄漏后会给社会或个人带来严重危害的数据6相关方要求相关方分类数据集相关方包括提供方、需求方、管理方、平台方、评价方及其他相关方。a)提供方：直接生成、采集或持有原始数据并负责交付的人员或机构，包括数据集采集方、生成方及标注方。b)需求方：提出数据集建设目标、任务需求、应用场景、数据标注等需求信息的人员或机构。c)管理方：管理数据集数据标注任务评估、分发、交付、验收以及质量把控的人员或机构。d)平台方：提供数据集存储、管理、分发及访问服务的人员或机构。46.2提供方6.2.1应建立相应的数据集管理制度，包括数据采集、质量管控、安全防护、元数据管理等，明确相6.2.6应配合管理方完成数据集质量评价与验收，配合解决数据集后续应用中发现的问题。6.3.1应形成数据集需求说明文档，配合管理方和提供方完成数注：数据集需求说明文档内容包括但不限于数据集目的、预期用途、将要支持的具体应用场景与特定任务。理应符合GB/T37728—2019中第9章的要求。57.2.3采集设备、平台、工具链应结合需求选取，明确设备名称、设备型号、设备序列、设备状态、注1:机器人本体数据是指通过机器人本体内部或外部传感器获得的人形机器人数据，如上肢运动数据、下肢运动数据、运动学状态数据、动力学状态数据等。注2:环境数据是指机器人与外界交互的数据，如视觉数据、听觉数据、触觉数据、嗅觉数据、味觉数据等。注：数据类型是指一些可区分的值的集合，这种区别由这些值的性质以及对这些值的运算所表征。8.1应对采集数据进行数据清洗、数据增强、数据特征提取、数据分帧、数据对齐和数据压缩等预处注1:数据清洗包括但不限于对采集后的数据进行格式异常处理。注2:格式异常处理是根据需求，识别出残缺数据和噪声数据，建立反馈机制并进行相应处理。9.2应给出数据标注任务说明、质量特性与评价方法，数据标注的质量特性包括准确性、一致性、时6a)应定期对标注工具和平台开展安全d)如在标注过程中使用自动化标注工具进行辅助标注，应采用符合我国数据安全相关法律法规、9.5数据标注结果应包含动作、环境、目标等信息以及多模态数据时间戳一致性，输出格式应采用易解析、易存储的数据格式。10.3应提供人形机器人本体坐标系的详细本体坐标位置说明，包括坐标系的原点位置、坐标轴方向以及坐标系与机器人关键部件(如关节、传感器等)的相对位置关系，必要时可提供示意图(见附录A)。对于定制人形机器人应提供详细本体坐标位置说明。若涉及与其他坐标系的转换，应提供转换公式或方法。10.4应明确数据在采集、处理、传输等流转过程中的格式要求，包括数据包结构、数据传输协议等。7f)避免将编程语言或数据格式的保留字用作键名，扩展字段时可添加后缀并在语义文档中注册注：数据语义编码是指一种将数据所蕴含的语义内容，通过特定的规则和方式，转化为计算机能够识别和处理的特定符号或数字系统。10.7应具备数据集元数据(格式见B.1)。元数据应包含对整个数据集的场景任务描述，包括但不限对应数值格式等);8角色类型权限说明超级管理员数据集管理员负责特定数据集管理(创建、编辑、删除),用户权限分配，数据标注任务审核数据标注员负责被分配的数据集的访问、数据标注、修改、任务提交数据审核员负责标注结果审核、任务状态管理(驳回/通过)、质量统计查看研究人员负责授权数据集的浏览与下载、数据集使用申请提交、统计信息查看程序化访问数据集(支持访问频率限制),权限12.3权限分配原则包括：12.4数据集管理权限包括但不限于：12.7权限管理流程包括但不限于：示例：用户创建账号成功前会有多个步骤，涉及需要专项设置、激活、隐私协议、权限管理的审核。913.1.1应建立数据集流通管理制度13.1.2流通数据集应提供符合第15章规定的说明文档，标明数据采集时间及场景、适用范围及数据13.2数据集共享14数据集销毁14.2数据集销毁原则包括：注：数据集说明是陈述数据集各种性质的文档。b)应简短且易于理解，能够清晰传达数据集的主题或内容；c)应反映数据集的主要特征、数据类型和研究领域动作技能等信息；b)应用领域：包括工业领域、个人/家用服务领域、公共服务领域、特种领域等；注1:真实数据集是直接从现实世界或实际系统中通过传感器、实验设备等采集的数据构成的数据集合，不包含人工干预或算法模拟及生成成分。数据反映了现实世界系统或过程的真实状态和特性。常见来源包括物理场遥操作方式、生产伴随方式等。注2:虚拟数据集是仿真数据、人为生成数据和合成数据中一种或多种构成的数据集合，通常用于模拟现实世界中的情况，或解决数据不足的问题。数据不是直接从现实世界收集的，而是通过算法或软件根据一定的规范、规则和参数生成的。注3:融合数据集是真实数据与虚拟数据构成的数据集合。16.4应制定数据集安全管理制度，明确相关的岗位、人员和职责。DB31/T1707-202617数据集质量管理应建立数据集质量评价机制并开展数据集质量评价，评价过程应公开透明。数据集质量评价的指标与内容包括但不限于：a)数据集规范性；b)数据集完整性：基于应用场景、任务需求，选取与设置数据集完整性的评价内容，评价内容包括但不限于数据文件的完整性、数据记录的完整性、数据模态的完整性、数据标注的完整性；c)数据集准确性：基于应用场景、任务需求，选取与设置数据集准确性的评价内容，评价内容包括但不限于元数据准确性、数据集不确定性风险；d)数据集一致性：对于多模态数据集，基于应用场景、任务需求，选取与设置数据集一致性的评价内容，评价内容包括多模态数据时间戳一致性、语义一致性；e)数据集可访问性：数据集可访问性评价内容包括但不限于数据文件的可访问性、访问权限控制；f)数据集安全性：数据集不包括违反价值观、歧视、商业违法违规、侵犯他人合法权益等类型的数据。数据采集过程的质量控制与安全控制应符合GB/T36625.3—2021中第8章、第9章的要求。(资料性)器同坐标原点),见图A.1。坐标轴定义如下： DB31/T1707-2026（资料性）数据集格式B.1元数据格式元数据的格式可参考表B.1。表B.1元数据格式1)机器人当前任务起讫位置与姿态DB31/T1707-2026表B.1元数据格式（续）），B.2主数据格式主数据格式见表B.2～表B.12。表B.2视觉主数据外部环境点云，点云数据中每个点的坐标通常表示为表B.3听觉主数据DB31/T1707-2026表B.4附加音频主数据表B.5时间戳表B.6触觉主数据表B.7嗅觉主数据表B.8味觉主数据DB31/T1707-2026表B.9运动学状态主数据机