第五部分：参数调优与数据驱动
第 17 章 数据采集与离线分析：让数据告诉你真相 极低成本 · 实物上手 · 可迁移至高端人形平台
17.1 为什么需要数据采集
自动调参帮你找到了最优参数，但自动调参只能告诉你“这组参数最好”。它不能告诉你：“为什么这组参数最好？”“机器人被推的时候，到底发生了什么？”“这个振荡是参数问题还是机械问题？”
要回答这些问题，你需要数据。不是“我看了看IMU曲线，觉得还行”这种数据，而是精确到每一帧的、完整的、可追溯的传感器数据。有了数据，你才能做离线分析——把数据导出到PC上，用Python画图、算统计、做对比。这种能力，在你调试复杂问题的时候，价值连城。
举个例子：机器人偶尔会莫名其妙地抖一下。你盯着屏幕看了一小时，它就是不抖。你一走开，它就抖了。你不可能24小时盯着屏幕。但如果你有数据采集系统，它可以24小时记录，你只需要回到电脑前，搜索“什么时候抖动幅度超过阈值”，然后回放那段时间的数据，看看是什么触发了抖动。
数据采集的最终目标是离线学习。有了足够的高质量数据，你可以训练机器学习模型来预测ZMP、优化步态参数、甚至实现端到端的行走策略。这些模型不需要在机器人上实时运行——它们可以在PC上训练，训练好的模型导入到机器人的控制器中作为前馈补偿器。这就是数据驱动开发的威力：从经验调参进化到数据驱动。
17.2 两套数据采集系统
我设计了两套并行的数据采集系统，它们各司其职，互不干扰。
